GAN auto-supervisionado
O GAN auto-supervisionado aumenta uma Rede Generativa Adversarial padrão com uma ou mais tarefas auxiliares auto-supervisionadas — como prever a rotação da imagem ou a posição de um fragmento — que estabilizam o treinamento adversarial e produzem um discriminador que aprende representações ricas e transferíveis a partir de dados não rotulados, sem a necessidade de anotações manuais.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Chen, T., Zhai, X., Ritter, M., Lucic, M., & Houlsby, N. (2019). Self-Supervised GANs via Auxiliary Rotation Loss. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 12154–12163. link ↗
- Liu, X., Zhang, F., Hou, Z., Mian, L., Wang, Z., Zhang, J., & Tang, J. (2021). Self-supervised learning: Generative or contrastive. IEEE Transactions on Knowledge and Data Engineering, 35(1), 857–876. DOI: 10.1109/TKDE.2021.3090866 ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/pt/deep-learning/self-supervised-gan
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Rede Adversarial GenerativaAprendizado profundo↔ compare
- Rede neural convolucional autossupervisionadaAprendizado profundo↔ compare
- Autoencoder Variacional Auto-supervisionadoAprendizado profundo↔ compare
- GANs Semi-supervisionadasAprendizado profundo↔ compare
- Vision TransformerAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →