Metodin todisteiden tietue
Domain-adaptive Convolutional Neural Network
A domain-adaptive CNN trains a convolutional network on a labeled source domain and adapts its learned feature representations to an unlabeled or lightly labeled target domain, bridging the distribution gap so that visual classifiers transfer reliably across datasets, sensors, or imaging conditions without full re-annotation.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
Domain-adaptive Convolutional Neural Network (DA-CNN)
Taksonominen metoditietue · ml-model / deep-learning
- 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. · URL
- 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
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Ei vielä kuratoituja väitteitä
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.