Classification d'images adaptative au domaine
La classification d'images adaptative au domaine entraîne un classifieur visuel sur un domaine source étiqueté et l'adapte à un domaine cible où les données étiquetées sont rares ou absentes. En alignant les distributions de caractéristiques entre les domaines, le modèle conserve une précision discriminante sur la distribution cible sans nécessiter une ré-annotation complète de la cible, ce qui le rend pratique dans les scénarios de déploiement du monde réel où le décalage de domaine est inévitable.
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., 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Domain-Adaptive Image Classification (Domain Adaptation for Visual Recognition). ScholarGate. https://scholargate.app/fr/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.
- Classification d'images par réglage finApprentissage profond↔ compare
- Classification d'imagesApprentissage profond↔ compare
- Apprentissage par transfert pour la classification d'imagesApprentissage profond↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →