Domein-adaptieve beeldclassificatie
Domein-adaptieve beeldclassificatie traint een visuele classificator op een gelabelde bron-domein en past deze aan op een doel-domein waar gelabelde gegevens schaars of afwezig zijn. Door kenmerkverdelingen tussen domeinen uit te lijnen, behoudt het model onderscheidende nauwkeurigheid op de doel-verdeling zonder volledige her-annotatie van het doel te vereisen, wat het praktisch maakt in reële implementatiescenario's waar domeinverschuiving onvermijdelijk is.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Domain-Adaptive Image Classification (Domain Adaptation for Visual Recognition). ScholarGate. https://scholargate.app/nl/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.
- Fijnafgestemde beeldclassificatieDeep learning↔ compare
- BeeldclassificatieDeep learning↔ compare
- Transfer Learning met BeeldclassificatieDeep learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →