Metodbevispost
Domain-adaptive Convolutional Neural Network
A domain-adaptive CNN trains a convolutional network on a labeled source domain and adapts its learned feature representations to an unlabeled or lightly labeled target domain, bridging the distribution gap so that visual classifiers transfer reliably across datasets, sensors, or imaging conditions without full re-annotation.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
Domain-adaptive Convolutional Neural Network (DA-CNN)
Taxonomisk metodpost · ml-model / deep-learning
- 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. · URL
- 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
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Inga kuraterade påståenden ännu
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.