Domänadaptiv faltningsnätverk (Convolutional Neural Network, CNN)
Ett domänadaptivt CNN tränar ett faltningsnätverk på en märkt källdomän och anpassar dess inlärda funktionsrepresentationer till en omärkt eller lätt märkt måldomän, vilket överbryggar distributionsgapet så att visuella klassificerare överförs tillförlitligt mellan dataset, sensorer eller bildförhållanden utan fullständig omannotering.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Ganin, Y., Ustinova, 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 ↗
- Tzeng, E., Hoffman, J., Saenko, K., & Darrell, T. (2017). Adversarial discriminative domain adaptation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 7167–7176. DOI: 10.1109/CVPR.2017.316 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Domain-adaptive Convolutional Neural Network (DA-CNN). ScholarGate. https://scholargate.app/sv/deep-learning/domain-adaptive-convolutional-neural-network
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.
- Domänadaptivt rekurrent neuralt nätverkDjupinlärning↔ compare
- Domänadaptiv Vision TransformerDjupinlärning↔ compare
- Finjusterad faltningsnät (CNN)Djupinlärning↔ compare
- BildklassificeringDjupinlärning↔ compare
- Överföringsinlärning med faltningsneurala nätverkDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →