Convolutional Neural Network Adaptif Domain
CNN adaptif domain melatih rangkaian konvolusional pada domain sumber berlabel dan menyesuaikan perwakilan ciri yang dipelajari kepada domain sasaran yang tidak berlabel atau berlabel ringan, merapatkan jurang taburan supaya pengelas visual boleh dipindahkan dengan andal merentasi set data, sensor atau keadaan pengimejan tanpa anotasi semula penuh.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
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 memetik halaman ini
ScholarGate. (2026, June 3). Domain-adaptive Convolutional Neural Network (DA-CNN). ScholarGate. https://scholargate.app/ms/deep-learning/domain-adaptive-convolutional-neural-network
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.
- Rangkaian Saraf Berulang Adaptif DomainPembelajaran Mendalam↔ compare
- Transformer Penglihatan Adaptif DomainPembelajaran Mendalam↔ compare
- Fine-Tuned Convolutional Neural NetworkPembelajaran Mendalam↔ compare
- Klasifikasi ImejPembelajaran Mendalam↔ compare
- Pembelajaran Pindahan dengan Rangkaian Neural KonvolusiPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →