Domene-adaptiv bildeklassifisering
Domene-adaptiv bildeklassifisering trener en visuell klassifikator på en merket kildedomen, og tilpasser den til en måltidomen der merkede data er knappe eller fraværende. Ved å justere fordelingen av trekk på tvers av domener, beholder modellen diskriminerende nøyaktighet på måldistribusjonen uten å kreve full måletagging, noe som gjør den praktisk i reelle utplasseringsscenarioer der domeneskifte er uunngåelig.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Domain-Adaptive Image Classification (Domain Adaptation for Visual Recognition). ScholarGate. https://scholargate.app/no/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.
- Finjustert bildklassifiseringDyp læring↔ compare
- BildeklassifiseringDyp læring↔ compare
- Overføringslæring med bildeklassifiseringDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →