Transformer Penglihatan Adaptif Domain
Transformer Penglihatan Adaptif Domain (DA-ViT) mengaplikasikan teknik adaptasi domain — seperti penjajaran adversarial, penselatihan kendiri, atau jambatan aras perhatian — di atas rangka kerja Transformer Penglihatan yang telah dilatih awal untuk memindahkan pengetahuan visual dari domain sumber berlabel ke domain sasaran yang tidak berlabel atau berlabel minimum, mengurangkan anjakan taburan yang mengehadkan penalaan halus ViT standard.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., ... & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. International Conference on Learning Representations (ICLR). link ↗
- Yang, L., Balaji, Y., Lim, S. N., & Shrivastava, A. (2023). TVT: Transferable Vision Transformer for Unsupervised Domain Adaptation. Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 520-530. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Domain-Adaptive Vision Transformer (DA-ViT). ScholarGate. https://scholargate.app/ms/deep-learning/domain-adaptive-vision-transformer
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Klasifikasi Berasaskan BERT Adaptif DomainPembelajaran Mendalam↔ banding
- Convolutional Neural Network Adaptif DomainPembelajaran Mendalam↔ banding
- Fine-Tuned Vision TransformerPembelajaran Mendalam↔ banding
- Semantic SegmentationPembelajaran Mendalam↔ banding
- Transformer VisiPembelajaran Mendalam↔ banding
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →