เครือข่ายก่อกำเนิดที่ปรับตามโดเมน
Domain-Adaptive GAN เป็นการรวมการเรียนรู้แบบก่อกำเนิดเชิงแข่งขัน (generative adversarial learning) เข้ากับการปรับเปลี่ยนโดเมน (domain adaptation) เพื่อลดช่องว่างการกระจายตัวระหว่างโดเมนต้นทางที่มีป้ายกำกับ (labeled source domain) และโดเมนเป้าหมายที่ไม่มีป้ายกำกับหรือไม่ค่อยมีป้ายกำกับ (unlabeled or sparsely labeled target domain) ด้วยการฝึกฝนตัวสร้าง (generator) และตัวแยกแยะ (discriminator) แบบแข่งขันกัน โมเดลจะเรียนรู้การนำเสนอที่คงที่ต่อโดเมน (domain-invariant representations) หรือตัวอย่างที่ถูกแปลเปลี่ยน ทำให้ตัวจำแนกประเภท (classifier) หรือตัวตรวจจับ (detector) ที่ได้รับการฝึกฝนจากข้อมูลต้นทางสามารถทำงานได้ดีกับโดเมนเป้าหมายโดยไม่จำเป็นต้องมีป้ายกำกับเป้าหมายจำนวนมาก
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Ganin, Y., Ustunova, E., Ajakan, H., Germain, P., Larochelle, H., Laviolette, F., Marchand, M., & Lempitsky, V. (2016). Domain-adversarial training of neural networks. Journal of Machine Learning Research, 17(59), 1–35. link ↗
- Zhu, J.-Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2223–2232. DOI: 10.1109/ICCV.2017.244 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Domain-Adaptive Generative Adversarial Network. ScholarGate. https://scholargate.app/th/deep-learning/domain-adaptive-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.
- Domain-adaptive Convolutional Neural Networkการเรียนรู้เชิงลึก↔ compare
- วิทัศน์ทรานส์ฟอร์มปรับโดเมน (Domain-Adaptive Vision Transformer - DA-ViT)การเรียนรู้เชิงลึก↔ compare
- เครือข่ายปฏิปักษ์เชิงกำเนิดที่ปรับละเอียดแล้วการเรียนรู้เชิงลึก↔ compare
- โครงข่ายปฏิปักษ์เชิงกำเนิดการเรียนรู้เชิงลึก↔ compare
- GAN แบบกึ่งกำกับดูแลการเรียนรู้เชิงลึก↔ compare
- Transfer Learning GANการเรียนรู้เชิงลึก↔ compare