Запис о доказима методе
Transfer learning GAN
Transfer Learning GAN initialises a Generative Adversarial Network — or both its generator and discriminator — from weights pretrained on a large source dataset, then fine-tunes the network on a smaller target dataset. This approach allows high-quality generative modelling even when target-domain data are scarce, by reusing low- and mid-level feature representations learned at scale.
Изворни запис
Цитирани радови су копирани дословно из изворног записа методе. Из њих се не изводи верификација на нивоу тврдње.
Transfer Learning with Generative Adversarial Networks
Таксономски запис методе · ml-model / deep-learning
- 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. · URL
- 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
Куроване тврдње
Тврдње су сачуване у регистру доказа, свака са својом проценом.
Још увек нема курованих тврдњи
Овај приказ не измишља процену тврдње када регистар нема ниједну.
Сродне методе
Генерисано из графа метода и приказано као машински предложене везе — не изводи се тврдња доказа.