Réseau neuronal convolutif adaptatif au domaine
Un CNN adaptatif au domaine entraîne un réseau convolutif sur un domaine source étiqueté et adapte ses représentations de caractéristiques apprises à un domaine cible non étiqueté ou légèrement étiqueté, comblant ainsi l'écart de distribution afin que les classificateurs visuels se transfèrent de manière fiable entre les jeux de données, les capteurs ou les conditions d'imagerie sans ré-annotation complète.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Domain-adaptive Convolutional Neural Network (DA-CNN). ScholarGate. https://scholargate.app/fr/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.
- Réseau de neurones récurrent à adaptation de domaineApprentissage profond↔ compare
- Vision Transformer adaptatif au domaineApprentissage profond↔ compare
- Réseau neuronal convolutif affinéApprentissage profond↔ compare
- Classification d'imagesApprentissage profond↔ compare
- Apprentissage par transfert avec réseau neuronal convolutifApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →