Metodbevispost
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.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
Transfer Learning with Generative Adversarial Networks
Taxonomisk metodpost · 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
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Inga kuraterade påståenden ännu
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.