MataFela-CSDN博客

翻译 [cvpr2015]Improving training of deep neural networks via Singular Value Bounding

introduction【training method】Singular Value Bounding (SVB)：在网络训练过程中，通过将权重矩阵的奇异值限制在1附近，保证权值矩阵的正交性。Bounded Batch Normalization (BBN)：用SVB的思想对BN的改进，去除了BN的ill-conditioning（ill-conditioning参考）的风险算法...

2018-03-11 22:57:10 629 2

翻译 Unsupervised Domain Adaptation by Backpropagation(2015)

Introduction论文作者希望网络学习由discriminativeness（分歧，应该是source domain和target domain的区别吧）和domain-invariance组合起来的隐藏特征（underlying feature）通过同时优化以下两个discriminative classifiers来实现label predictor预测分类标签（训练与测试的时候）

2017-09-06 20:03:57 5552 1

原创 Domain Adaptation总结（2017.9）

有一篇论文（[cvpr2017]Joint Geometrical and Statistical Alignment for Visual Domain Adaptation ）对Domain Adaptation做了一定的总结，我直接把我当时的翻译抄一下：常见的域适应包括基于实例（instance-based）的适应、基于特征表示( feature representation）的适应、

2017-09-03 22:21:57 20561 6

翻译 [cvpr2017]Domain Adaptation by Mixture of Alignments of Second- or Higher-Order Scatter Tensors

三个散度矩阵： LDA上的三个散度矩阵introduction作者将自己的模型称为Second or Higher-order Transfer of Knowledge (So-HoT)，是一个对source domain和target domain之间进行二阶或者更高阶次的统计量的一个对齐(alignment).作者使用二阶或者更高阶的scatter 张量，source do

2017-08-31 21:08:13 1047

翻译 [cvpr2017]Deep Hashing Network for Unsupervised Domain Adaptation

introduction作者的框架（Domain Adaptive Hashing (DAH) ）通过学习source domain和target domain的信息哈希码来进行分类（数据量很庞大，所以考虑到了哈希，可以利用哈希的快速查询和低内存使用）。作者在一个新的数据集——Office-Home——上进行试验，这个数据集有来自4个域的图像信息（15500图像65个类），作者希望正式自己的算法

2017-08-31 20:26:20 1887

翻译 [cvpr2017]Joint Geometrical and Statistical Alignment for Visual Domain Adaptation

domain adaptation

2017-08-30 19:53:02 2814

翻译 [cvpr2017]Adversarial Discriminative Domain Adaptation

Introduction本文针对无监督作者结合了discriminative model，untie weight sharing和GAN loss，创建了一种新的模型： Adversarial Discriminative Domain Adaptation (ADDA)先前的生成式方法（Prior generative approaches ）展示了非常有效的学习过程可视化，但是对于判别

2017-08-29 09:52:49 6646 2

翻译 [cvpr2017]Learning an Invariant Hilbert Space for Domain Adaptation

马氏距离Introduction本文适用于半监督和无监督形式的domain adaptation作者尝试开发一个几何解决方案，通过利用黎曼几何的概念学习潜在空间（latent space）的投影和马氏距离。作者建议从source domain和target domain沿着相关联的映射学习潜在空间（latent space）的结构，以解决无监督和半监督DA的两个问题。为此，作何提出在late

2017-08-24 22:52:12 1126

翻译 [cvpr2017]Mind the Class Weight Bias: Weighted Maximum Mean Discrepancy for Unsupervised DA

introduce作者认为使用MMD（maximum mean discrepancy）来衡量source domain和target domain之间的差异不够准确，这是因为没有考虑class prior distributions（类的先验分布？），为了解决这个问题，作者提出了一个叫做weighted MMD（WMMD）的模型。（Despite the great success achie

2017-08-21 19:44:01 3220

翻译 [cvpr2017]Unsupervised Pixel–Level Domain Adaptation with Generative Adversarial Networks

优势与Task-Specific图像训练结构解耦合。作者说因为这个域适应是在像素级别上进行的（ because our model maps one image to another at the pixel level），所以我们可以改变这个Task-Specific图像训练结构在标签域也可以同样做到域适应target domain和source domain的标签域可以不一样，target

2017-08-14 12:03:54 2179

翻译 Unsupervised Domain Adaptation with Residual Transfer Networks（2017）

introduction作者认为，domain adaption（域适应）方法旨在通过学习domain-invariant feature（域不变特征）来桥接source domain和target domain，从而能够在target domain没有标签的情况下，利用source domain所学到的分类器对target domain进行预测。现在已经可以将domain adaption嵌入

2017-06-07 00:35:17 3919

翻译 Deep CORAL: Correlation Alignment for Deep Domain Adaptation（2016）

Introduction作者引进了一个叫做CORAL的方法，通过对source domain和target domain进行线性变换来将他们各自的的二阶统计量对齐。但是作者认为CORAL实际上需要先对图像进行特征提取，再进行线性转换，再训练一个SVM分类器，比较麻烦。作者对CORAL方法进行了拓展，通过在source domain和target domain之间建立一个最小化source do

2017-06-06 13:49:39 6184 2

MataFela的博客