Machine learningDeep learning / NLP / CV
도메인 적응형 합성곱 신경망
도메인 적응형 CNN은 레이블이 지정된 소스 도메인에서 합성곱 신경망을 훈련하고, 레이블이 없거나 적게 레이블이 지정된 타겟 도메인으로 학습된 특징 표현을 조정하여, 완전한 재주석 없이도 시각 분류기가 데이터셋, 센서 또는 이미징 조건 전반에 걸쳐 안정적으로 전이될 수 있도록 분포 격차를 연결합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Domain-adaptive Convolutional Neural Network (DA-CNN). ScholarGate. https://scholargate.app/ko/deep-learning/domain-adaptive-convolutional-neural-network
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 도메인 적응 순환 신경망딥러닝↔ 비교
- 도메인 적응형 비전 트랜스포머딥러닝↔ 비교
- 미세 조정된 합성곱 신경망딥러닝↔ 비교
- 이미지 분류딥러닝↔ 비교
- 컨볼루션 신경망을 이용한 전이 학습딥러닝↔ 비교