Classificação de Imagens com Adaptação de Domínio
A classificação de imagens com adaptação de domínio treina um classificador visual em um domínio de origem rotulado e o adapta a um domínio de destino onde os dados rotulados são escassos ou ausentes. Ao alinhar as distribuições de características entre os domínios, o modelo retém a precisão discriminativa na distribuição de destino sem exigir reanotação completa do destino, tornando-o prático em cenários de implantação do mundo real onde o desvio de domínio é inevitável.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Domain-Adaptive Image Classification (Domain Adaptation for Visual Recognition). ScholarGate. https://scholargate.app/pt/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.
- Classificação de Imagens Fine-TunedAprendizado profundo↔ compare
- Classificação de ImagensAprendizado profundo↔ compare
- Transfer Learning com Classificação de ImagensAprendizado profundo↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →