Klasyfikacja obrazów adaptacyjna do dziedziny
Klasyfikacja obrazów adaptacyjna do dziedziny polega na trenowaniu klasyfikatora wizyjnego na oznakowanej dziedzinie źródłowej i adaptowaniu go do dziedziny docelowej, gdzie oznakowane dane są rzadkie lub nieobecne. Poprzez wyrównanie rozkładów cech między dziedzinami, model zachowuje dyskryminacyjną dokładność na rozkładzie docelowym bez konieczności pełnego ponownego oznakowania danych docelowych, co czyni go praktycznym w rzeczywistych scenariuszach wdrożeniowych, gdzie przesunięcie dziedziny jest nieuniknione.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Domain-Adaptive Image Classification (Domain Adaptation for Visual Recognition). ScholarGate. https://scholargate.app/pl/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.
- Dostrajanie klasyfikacji obrazówUczenie głębokie↔ compare
- Klasyfikacja obrazówUczenie głębokie↔ compare
- Transfer Learning z klasyfikacją obrazówUczenie głębokie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →