Machine learningDeep learning / NLP / CV

域自适应图像分类

域自适应图像分类在带有标签的源域上训练视觉分类器，并将其调整到标签数据稀缺或缺失的目标域。通过对齐跨域的特征分布，模型在目标分布上保持了判别准确性，而无需对目标数据进行全面的重新标注，这使得它在域偏移不可避免的实际部署场景中具有实用性。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

域自适应图像分类

微调图像分类图像分类迁移学习在图像分类中的应用

来源

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 ↗

如何引用本页

ScholarGate. (2026, June 3). Domain-Adaptive Image Classification (Domain Adaptation for Visual Recognition). ScholarGate. https://scholargate.app/zh/deep-learning/domain-adaptive-image-classification

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →