Jaringan Saraf Konvolusional Adaptif Domain
CNN adaptif domain melatih jaringan konvolusional pada domain sumber berlabel dan mengadaptasi representasi fitur yang dipelajarinya ke domain target yang tidak berlabel atau berlabel sedikit, menjembatani kesenjangan distribusi sehingga pengklasifikasi visual dapat ditransfer secara andal antar kumpulan data, sensor, atau kondisi pencitraan tanpa anotasi ulang penuh.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Domain-adaptive Convolutional Neural Network (DA-CNN). ScholarGate. https://scholargate.app/id/deep-learning/domain-adaptive-convolutional-neural-network
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Recurrent Neural Network Adaptif DomainPembelajaran Mendalam↔ bandingkan
- Vision Transformer Adaptif DomainPembelajaran Mendalam↔ bandingkan
- Jaringan Saraf Konvolusional yang Disesuaikan HalusPembelajaran Mendalam↔ bandingkan
- Klasifikasi CitraPembelajaran Mendalam↔ bandingkan
- Transfer Learning dengan Convolutional Neural NetworkPembelajaran Mendalam↔ bandingkan
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →