Варіаційний автокодувальник з адаптацією до домену
Варіаційний автокодувальник з адаптацією до домену (DA-VAE) розширює стандартну структуру VAE для вивчення відокремлених латентних представлень, які розділяють специфічні для домену варіації від контенту, релевантного до класу та інваріантного до домену, дозволяючи моделям, навченим на вихідному домені, ефективно узагальнювати на інший, але пов'язаний цільовий домен з обмеженою кількістю міток або без них.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- Ilse, M., Tomczak, J. M., Louizos, C., & Welling, M. (2020). DIVA: Domain Invariant Variational Autoencoders. Proceedings of the Third Conference on Medical Imaging with Deep Learning (MIDL 2020), PMLR 121, 322–348. link ↗
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Domain-Adaptive Variational Autoencoder (DA-VAE). ScholarGate. https://scholargate.app/uk/deep-learning/domain-adaptive-variational-autoencoder
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Генеративно-змагальна мережаГлибоке навчання↔ порівняти
- Трансферне навчанняМашинне навчання↔ порівняти
- Варіаційний автокодувальникГлибоке навчання↔ порівняти
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →