Domain-adaptiivinen konvoluutioneuroverkko
Domain-adaptiivinen CNN kouluttaa konvoluutioneuroverkkoa merkityllä lähdealueella ja mukauttaa sen oppimia piirrepresentaatioita merkitsemättömään tai vähän merkittyyn kohdealueeseen, kaventaen jakaumien välistä eroa siten, että visuaaliset luokittelijat siirtyvät luotettavasti datasettien, antureiden tai kuvantamisolosuhteiden yli ilman täyttä uudelleenmerkintää.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Domain-adaptive Convolutional Neural Network (DA-CNN). ScholarGate. https://scholargate.app/fi/deep-learning/domain-adaptive-convolutional-neural-network
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Aluekohtaisesti mukautuva toistuva hermoverkkoSyväoppiminen↔ vertaa
- Domain-Adaptive Vision TransformerSyväoppiminen↔ vertaa
- Hienosäädetty konvoluutioneuroverkkoSyväoppiminen↔ vertaa
- KuvanluokitteluSyväoppiminen↔ vertaa
- Siirto-oppiminen konvoluutionaalisella neuroverkollaSyväoppiminen↔ vertaa
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →