Domänenadaptives Bildklassifizierungsverfahren
Domänenadaptives Bildklassifizierungsverfahren trainiert einen visuellen Klassifikator auf einer gelabelten Quell-Domäne und passt ihn an eine Ziel-Domäne an, in der gelabelte Daten spärlich oder nicht vorhanden sind. Durch die Angleichung von Merkmalsverteilungen über Domänen hinweg behält das Modell die diskriminative Genauigkeit auf der Ziel-Verteilung bei, ohne eine vollständige Ziel-Neubeschriftung zu erfordern, was es in realen Einsatzszenarien, in denen Domänenverschiebungen unvermeidlich sind, praktisch macht.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Domain-Adaptive Image Classification (Domain Adaptation for Visual Recognition). ScholarGate. https://scholargate.app/de/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.
- Feinabgestimmte BildklassifikationDeep Learning↔ compare
- BildklassifizierungDeep Learning↔ compare
- Transfer Learning für BildklassifikationDeep Learning↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →