Домейн-адаптивна класификация на изображения
Домейн-адаптивната класификация на изображения обучава визуален класификатор върху маркиран източник на данни и го адаптира към целеви домейн, където маркираните данни са оскъдни или липсват. Чрез подравняване на разпределенията на признаците между домейните, моделът запазва дискриминативната точност върху целевото разпределение, без да изисква пълно повторно анотиране на целта, което го прави практичен в сценарии за внедряване в реалния свят, където домейнното изместване е неизбежно.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- 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 ↗
- Wilson, G., & Cook, D. J. (2020). A survey of unsupervised deep domain adaptation. ACM Transactions on Intelligent Systems and Technology, 11(5), 1–46. DOI: 10.1145/3400066 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Domain-Adaptive Image Classification (Domain Adaptation for Visual Recognition). ScholarGate. https://scholargate.app/bg/deep-learning/domain-adaptive-image-classification
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.
- Фина настройка на класификация на изображенияДълбоко обучение↔ compare
- Класификация на изображенияДълбоко обучение↔ compare
- Трансферно обучение с класификация на изображенияДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →