Transfer Learning GAN
Transfer Learning GAN คือการเริ่มต้น (initialise) โครงข่ายการผลิตเชิงปฏิปักษ์ (Generative Adversarial Network) หรือทั้งส่วนสร้าง (generator) และส่วนจำแนก (discriminator) จากค่าน้ำหนัก (weights) ที่ได้รับการฝึกฝนล่วงหน้า (pretrained) บนชุดข้อมูลต้นทาง (source dataset) ขนาดใหญ่ จากนั้นจึงปรับแต่ง (fine-tune) โครงข่ายนั้นบนชุดข้อมูลปลายทาง (target dataset) ขนาดเล็ก วิธีการนี้ช่วยให้สามารถสร้างแบบจำลองการผลิตคุณภาพสูงได้ แม้ว่าข้อมูลในโดเมนปลายทางจะมีจำกัด โดยการนำการแสดงคุณลักษณะระดับต่ำและระดับกลาง (low- and mid-level feature representations) ที่ได้เรียนรู้มาในสเกลใหญ่มาใช้ซ้ำ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Transfer Learning with Generative Adversarial Networks. ScholarGate. https://scholargate.app/th/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.
- เครือข่ายก่อกำเนิดที่ปรับตามโดเมนการเรียนรู้เชิงลึก↔ compare
- เครือข่ายปฏิปักษ์เชิงกำเนิดที่ปรับละเอียดแล้วการเรียนรู้เชิงลึก↔ compare
- โครงข่ายปฏิปักษ์เชิงกำเนิดการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนด้วยโครงข่ายประสาทเทียมแบบสังวัตนาการการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนด้วยแบบจำลองการแพร่กระจายการเรียนรู้เชิงลึก↔ compare
- ตัวเข้ารหัสอัตโนมัติแบบแปรผันการเรียนรู้เชิงลึก↔ compare