Prenosno učenje GAN
Prenosno učenje GAN inicijalizuje generativnu suparničku mrežu — ili njene generator i diskriminator — iz težina prethodno obučenih na velikom izvornom skupu podataka, a zatim fino podešava mrežu na manjem ciljnom skupu podataka. Ovaj pristup omogućava visokokvalitetno generativno modelovanje čak i kada su podaci ciljnog domena oskudni, ponovnom upotrebom reprezentacija niskih i srednjih karakteristika naučenih u velikom obimu.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Transfer Learning with Generative Adversarial Networks. ScholarGate. https://scholargate.app/sr/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.
- Доменски-адаптивни ГАН (Domain-Adaptive GAN)Duboko učenje↔ compare
- Podešena generativna suparnička mrežaDuboko učenje↔ compare
- Generativna suparnička mrežaDuboko učenje↔ compare
- Трансферно учење са конволуционом неуронском мрежомDuboko učenje↔ compare
- Prenosno učenje sa difuzionim modelomDuboko učenje↔ compare
- Varijacioni autoenkoderDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →