Catatan bukti metode
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.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
Domain-adaptive Convolutional Neural Network (DA-CNN)
Catatan metode taksonomi · 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Belum ada klaim yang dikurasi
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.