深度子域适应网络：Deep Subdomain Adaptation Network for Image Classification
1、简介 深度学习需要大量的标签样本，为解决标签问题提出了迁移学习，即从相关的source domain 去学习标签好的数据。但由于不同域间的数据分布也不同，所以学习得到的模型泛化能力不高。 在训练、测试数据的分布有变动的情况下去学习一个判别模型叫做domain adaptation 或transfer distributions。 在深度特征学习中嵌入domain adaptation模块去提取
相关文章
- 1. 【2018ECCV】Zero-Shot Deep Domain Adaptation 零样本深度域适应
- 2. 深度信念网络(Deep Belief Network)
- 3. 深度神经网络(Deep Neural Network, DNN)
- 4. 深度置信网络 Deep belief network
- 5. Deep Memory Network 深度记忆网络
- 6. 论文笔记：Domain Adaptation for Image Dehazing
- 7. Synergistic Image and Feature Adaptation: Towards Cross-Modality Domain Adaptation for Medical Image
- 8. [cvpr2017]Deep Hashing Network for Unsupervised Domain Adaptation
- 9. Deep Residual Learning for Image Recognition(残差网络)
- 10. 转】深度学习--深度信念网络（Deep Belief Network）
- 更多相关文章...
- • 网站 域名 - 网站主机教程
- • 网络协议是什么？ - TCP/IP教程
- • 算法总结-深度优先算法
- • 算法总结-广度优先算法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 【2018ECCV】Zero-Shot Deep Domain Adaptation 零样本深度域适应
- 2. 深度信念网络(Deep Belief Network)
- 3. 深度神经网络(Deep Neural Network, DNN)
- 4. 深度置信网络 Deep belief network
- 5. Deep Memory Network 深度记忆网络
- 6. 论文笔记：Domain Adaptation for Image Dehazing
- 7. Synergistic Image and Feature Adaptation: Towards Cross-Modality Domain Adaptation for Medical Image
- 8. [cvpr2017]Deep Hashing Network for Unsupervised Domain Adaptation
- 9. Deep Residual Learning for Image Recognition(残差网络)
- 10. 转】深度学习--深度信念网络（Deep Belief Network）