طبقهبندی تصویر تطبیقپذیر با دامنه
طبقهبندی تصویر تطبیقپذیر با دامنه (Domain-adaptive image classification) یک طبقهبندیکننده بصری را بر روی یک دامنه منبع برچسبگذاری شده آموزش میدهد و آن را با یک دامنه هدف که دادههای برچسبگذاری شده در آن کمیاب یا غایب هستند، تطبیق میدهد. با همتراز کردن توزیع ویژگیها در دامنهها، مدل دقت تمایزدهنده را در توزیع هدف بدون نیاز به برچسبگذاری مجدد کامل هدف حفظ میکند، که این امر آن را در سناریوهای استقرار در دنیای واقعی که تغییر دامنه اجتنابناپذیر است، کاربردی میسازد.
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., 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Domain-Adaptive Image Classification (Domain Adaptation for Visual Recognition). ScholarGate. https://scholargate.app/fa/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.
- طبقهبندی تصویر با تنظیم دقیق (Fine-Tuned Image Classification)یادگیری عمیق↔ compare
- طبقهبندی تصویریادگیری عمیق↔ compare
- یادگیری انتقالی با طبقهبندی تصویریادگیری عمیق↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →