Class-Incremental Domain Adaptation
类增长域自适应 摘要： 引入了CIDA范例，现存的DA方法能解决domain-shift问题但是不使用在学习目标域中新颖的类别，CI方法在源训练数据缺失的情况下可以学习新的类别，但是不能解决无监督的domain-shift问题，本文就是解决CIDA问题，基于原型网络可以识别shared-class和novel class(one-shot) Introduction: 现目前深度学习的弱点
相关文章
- 1. Open Set Domain Adaptation
- 2. domain adaptation 之 cycleGAN
- 3. Multi-Adversarial Domain Adaptation
- 4. Open Compound Domain Adaptation
- 5. ADDA: Adversarial Discriminative Domain Adaptation
- 6. DANN：Unsupervised Domain Adaptation by Backpropagation
- 7. Multi-source Distilling Domain Adaptation
- 8. Domain Adaptation总结（2017.9）
- 9. [cvpr2017]Adversarial Discriminative Domain Adaptation
- 10. Re-weighted adversarial adaptation network for unsupervised domain adaptation
- 更多相关文章...
- • RSS
元素 - RSS 教程 - • RSS
元素 - RSS 教程 - • Tomcat学习笔记（史上最全tomcat学习笔记）
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. Open Set Domain Adaptation
- 2. domain adaptation 之 cycleGAN
- 3. Multi-Adversarial Domain Adaptation
- 4. Open Compound Domain Adaptation
- 5. ADDA: Adversarial Discriminative Domain Adaptation
- 6. DANN：Unsupervised Domain Adaptation by Backpropagation
- 7. Multi-source Distilling Domain Adaptation
- 8. Domain Adaptation总结（2017.9）
- 9. [cvpr2017]Adversarial Discriminative Domain Adaptation
- 10. Re-weighted adversarial adaptation network for unsupervised domain adaptation