GANs de Aprendizagem por Transferência
A GAN de Aprendizagem por Transferência inicializa uma Rede Generativa Adversária — ou tanto o seu gerador quanto o seu discriminador — a partir de pesos pré-treinados num grande conjunto de dados de origem, e depois ajusta a rede num conjunto de dados de destino menor. Esta abordagem permite modelagem generativa de alta qualidade mesmo quando os dados do domínio de destino são escassos, reutilizando representações de características de baixo e médio nível aprendidas em escala.
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
- Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A. & Bengio, Y. (2014). Generative Adversarial Nets. Advances in Neural Information Processing Systems (NeurIPS), 27, 2672–2680. link ↗
- Wang, Y. & Ramanan, D. (2018). Transferring GANs: generating images from limited data. European Conference on Computer Vision (ECCV), 11205, 220–236. DOI: 10.1007/978-3-030-01231-1_14 ↗
Como citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Generative Adversarial Networks. ScholarGate. https://scholargate.app/pt/deep-learning/transfer-learning-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.
- GAN Adaptativo de DomínioAprendizado profundo↔ compare
- Rede Generativa Adversarial AfiadaAprendizado profundo↔ compare
- Rede Adversarial GenerativaAprendizado profundo↔ compare
- Transfer Learning com Redes Neurais ConvolucionaisAprendizado profundo↔ compare
- Aprendizagem por Transferência com Modelo de DifusãoAprendizado profundo↔ compare
- Autoencoder VariacionalAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →