การจำแนกภาพแบบปรับตัวตามโดเมน
การจำแนกภาพแบบปรับตัวตามโดเมน (Domain-adaptive image classification) เป็นการฝึกตัวจำแนกภาพด้วยภาพที่ติดป้ายกำกับจากโดเมนต้นทาง (source domain) และปรับตัวให้เข้ากับโดเมนเป้าหมาย (target domain) ที่ซึ่งข้อมูลที่ติดป้ายกำกับมีน้อยหรือไม่ปรากฏเลย ด้วยการจัดแนวการกระจายตัวของคุณลักษณะ (feature distributions) ข้ามโดเมน โมเดลจะรักษาความแม่นยำในการจำแนกบนการกระจายตัวของโดเมนเป้าหมายได้ โดยไม่ต้องติดป้ายกำกับใหม่ทั้งหมด ทำให้สามารถนำไปใช้งานได้จริงในสถานการณ์ที่การเปลี่ยนแปลงของโดเมนเป็นสิ่งที่หลีกเลี่ยงไม่ได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Domain-Adaptive Image Classification (Domain Adaptation for Visual Recognition). ScholarGate. https://scholargate.app/th/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.
- การจำแนกภาพแบบปรับละเอียดการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทรูปภาพการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนสำหรับการจำแนกประเภทรูปภาพการเรียนรู้เชิงลึก↔ compare