Domæne-adaptivt Konvolutionelt Neuralt Netværk
Et domæne-adaptivt CNN træner et konvolutionelt netværk på et mærket kildedomæne og tilpasser dets indlærte trækrepræsentationer til et umærket eller let mærket måldomæne. Dette bygger bro over distributionsgabet, så visuelle klassifikatorer overføres pålideligt på tværs af datasæt, sensorer eller billeddannelsesforhold uden fuld gen-annotering.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Ganin, Y., Ustinova, 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 ↗
- Tzeng, E., Hoffman, J., Saenko, K., & Darrell, T. (2017). Adversarial discriminative domain adaptation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 7167–7176. DOI: 10.1109/CVPR.2017.316 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Domain-adaptive Convolutional Neural Network (DA-CNN). ScholarGate. https://scholargate.app/da/deep-learning/domain-adaptive-convolutional-neural-network
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.
- Domæneadaptivt Rekurrent Neuralt NetværkDyb læring↔ compare
- Domæne-adaptiv Vision TransformerDyb læring↔ compare
- Finetunet Convolutional Neural NetworkDyb læring↔ compare
- BilledklassifikationDyb læring↔ compare
- Transferlæring med konvolutionelle neurale netværkDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →