Classificazione di immagini adattiva al dominio
La classificazione di immagini adattiva al dominio addestra un classificatore visivo su un dominio sorgente etichettato e lo adatta a un dominio target dove i dati etichettati sono scarsi o assenti. Allineando le distribuzioni delle caratteristiche tra i domini, il modello mantiene un'accuratezza discriminatoria sulla distribuzione target senza richiedere una ri-annotazione completa del target, rendendolo pratico in scenari di deployment nel mondo reale dove lo spostamento di dominio è inevitabile.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Domain-Adaptive Image Classification (Domain Adaptation for Visual Recognition). ScholarGate. https://scholargate.app/it/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.
- Classificazione di immagini fine-tunedApprendimento profondo↔ compare
- Classificazione di immaginiApprendimento profondo↔ compare
- Apprendimento per trasferimento con classificazione di immaginiApprendimento profondo↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →