M-ADDA: Unsupervised Domain Adaptation with Deep Metric Learning
基于域适应度量的对抗性判别神经网络 1) 应用度量学习方式去训练源域模型，通过the triplet loss（）进行优化。这样的结果使具有相同标签的类别相互靠近，不同类别的标签相互远离。 2)利用对抗的方式像ADDA从源域和目标域中提取特征，同时，我们优化了一个新的损失函数，促进目标域数据集从聚类中嵌入。 神经网络，通过最小化每个目标域样本嵌入和它对应于源域嵌入的聚类中心。
相关文章
- 1. Unsupervised Domain Adaptation with Residual Transfer Networks（2017）
- 2. 【论文阅读】Deep Cocktail Network: Multi-source Unsupervised Domain Adaptation with Category Shift
- 3. [cvpr2017]Unsupervised Pixel–Level Domain Adaptation with Generative Adversarial Networks
- 4. [cvpr2017]Deep Hashing Network for Unsupervised Domain Adaptation
- 5. Learning Transferable Features with Deep Adaptation Networks
- 6. Unsupervised Domain Adaptation by Backpropagation(2015)
- 7. Unsupervised domain adaptation with residual transfer networks(NIPS 2016)
- 8. Maximum Classifier Discrepancy for Unsupervised Domain Adaptation
- 9. 【2017_ICCV】Deep Metric Learning with Angular Loss
- 10. Re-weighted adversarial adaptation network for unsupervised domain adaptation
- 更多相关文章...
- • XSLT
- • XQuery 添加元素 和属性 - XQuery 教程
- • Java Agent入门实战（一）-Instrumentation介绍与使用
- • Java Agent入门实战（三）-JVM Attach原理与使用
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。
最新文章
- 1. 在windows下的虚拟机中,安装华为电脑的deepin操作系统
- 2. 强烈推荐款下载不限速解析神器
- 3. 【区块链技术】孙宇晨：区块链技术带来金融服务的信任变革
- 4. 搜索引起的链接分析-计算网页的重要性
- 5. TiDB x 微众银行 | 耗时降低 58%，分布式架构助力实现普惠金融
- 6. 《数字孪生体技术白皮书》重磅发布（附完整版下载）
- 7. 双十一“避坑”指南：区块链电子合同为电商交易保驾护航！
- 8. 区块链产业，怎样“链”住未来？
- 9. OpenglRipper使用教程
- 10. springcloud请求一次好用一次不好用zuul Name or service not known
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Unsupervised Domain Adaptation with Residual Transfer Networks（2017）
- 2. 【论文阅读】Deep Cocktail Network: Multi-source Unsupervised Domain Adaptation with Category Shift
- 3. [cvpr2017]Unsupervised Pixel–Level Domain Adaptation with Generative Adversarial Networks
- 4. [cvpr2017]Deep Hashing Network for Unsupervised Domain Adaptation
- 5. Learning Transferable Features with Deep Adaptation Networks
- 6. Unsupervised Domain Adaptation by Backpropagation(2015)
- 7. Unsupervised domain adaptation with residual transfer networks(NIPS 2016)
- 8. Maximum Classifier Discrepancy for Unsupervised Domain Adaptation
- 9. 【2017_ICCV】Deep Metric Learning with Angular Loss
- 10. Re-weighted adversarial adaptation network for unsupervised domain adaptation