Domæne-adaptiv billedklassifikation
Domæne-adaptiv billedklassifikation træner en visuel klassifikator på et kildedomæne med labels og tilpasser den til et måldomæne, hvor mærkede data er knappe eller fraværende. Ved at justere trækfordelinger på tværs af domæner bevarer modellen diskriminativ nøjagtighed på måldistributionen uden at kræve fuld målanotering, hvilket gør den praktisk i virkelige implementeringsscenarier, hvor domæneskift er uundgåeligt.
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., 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Domain-Adaptive Image Classification (Domain Adaptation for Visual Recognition). ScholarGate. https://scholargate.app/da/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.
- Finjusteret billedklassifikationDyb læring↔ compare
- BilledklassifikationDyb læring↔ compare
- Overførselslæring med billedklassifikationDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →