شبکه عصبی کانولوشنی سازگار با دامنه
یک شبکه عصبی کانولوشنی (CNN) سازگار با دامنه، یک شبکه کانولوشنی را بر روی یک دامنه منبع برچسبدار آموزش میدهد و بازنماییهای ویژگی آموختهشده خود را به یک دامنه هدف بدون برچسب یا با برچسب کم تطبیق میدهد و شکاف توزیع را پر میکند تا طبقهبندهای بصری بتوانند به طور قابل اعتماد در مجموعه دادهها، حسگرها یا شرایط تصویربرداری بدون نیاز به برچسبگذاری مجدد کامل، منتقل شوند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Domain-adaptive Convolutional Neural Network (DA-CNN). ScholarGate. https://scholargate.app/fa/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.
- شبکه عصبی بازگشتی با انطباق دامنهیادگیری عمیق↔ compare
- ترانسفورمر بینایی تطبیقی دامنهیادگیری عمیق↔ compare
- شبکه عصبی کانولوشنی تنظیمشدهیادگیری عمیق↔ compare
- طبقهبندی تصویریادگیری عمیق↔ compare
- یادگیری انتقالی با شبکههای عصبی کانولوشنییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →