【迁移学习】domain adaptation and metric learning基础知识及博客整理

最新推荐文章于 2024-01-09 12:32:54 发布
VIP文章 最新推荐文章于 2024-01-09 12:32:54 发布
阅读量915 收藏 6
点赞数 1
分类专栏： Transfer learning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a529975125/article/details/79574544
版权

定义

Metric learning

  • supervised method
    • the basic idea is to find a metric under which the data from the same classes are close while from different ones far apart.[1]
  • unsupervised metric learning methods
    • the basic idea is to discover a space or metric in a low-dimensional space which preserves the geometric relationships of the data in the original space.[1]
  • domain adaptation approaches
    • adapt auxiliary data or classifiers to a new domain to optimize the learning objective in the target domain.[1]
  • metric
    • 在数学中，一个度量（或距离函数）是一个定义集合中元素之间距离的函数。一个具有度量的集合被称为度量空间[2]
  • metric learning
    • aims to improve the classification accuracy by capturing the spatial structure of the training set
最低0.47元/天 解锁文章
Vincent_gc
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
An introduction to domain adaptation and transfer learning.pdf
09-18
域适应和迁移学习介绍 深度学习 机器学习 transfer learning
领域自适应（Domain Adaptation）的简单介绍
百年孤独百年的博客
05-30 7318
领域自适应（Domain Adaptation）是指通过学习源领域和目标领域之间的差异，来实现将源领域的模型迁移到目标领域的能力。在实际应用中，由于数据的获取和标注成本较高，我们通常会面临数据集不完整、不平衡、标注不准确等问题，这些问题会影响模型的泛化能力和性能。领域自适应可以帮助我们解决这些问题，提升模型的泛化能力和性能。
域适应（domain adaptation）
如果想成为中心，那么就到中心去吧。
05-22 3万+
文章目录导读前言域适应类别任务相关性一步域适应技术及其应用基于散度的域适应基于对抗的域适应基于重建的域适应结论 导读 在迁移学习中， 当源域和目标的数据分布不同 ，但两个任务相同时，这种特殊的迁移学习叫做域适应 （Domain Adaptation，DA ）。因为其任务相同，域适应属于一种直推式迁移学习。在计算机视觉中，域适应是一个常见要求，因为带有标注的数据集很容易取得，但是获得的数据集和我们最终应用的数据集来源的域往往是不同的。那么解决这类问题的思路是什么呢？请看 AI 前线翻译的这篇文章，希望能有所启
领域自适应(Domain Adaptation)方法综述
SmartLab307的博客
04-27 6515
领域自适应(Domain Adaptation)方法综述
Domain adaptation 与 Domain generalization
weixin_44736161的博客
01-22 5004
一、Domain adaptation （DA） 1. 基本介绍 1. 什么是domain?: 一堆数据服从相同的分布。 2. Domain adaptation 研究的问题 给了一个training set 这个set可能是由一个或多个domain 构成的，给定的testing set的domain与training set是不同的。利用training有Label 的数据训练模型，使得这个模型在testing数据上也可以使用，并且取得良好的效果。 在经典的机器学习中，当 源域 和 目标域 数据分布不同，
Domain Adaptation（领域自适应，MMD，DANN）
nakaizura
12-26 3万+
Domain Adaptation 现有深度学习模型都不具有普适性，即在某个数据集上训练的结果只能在某个领域中有效，而很难迁移到其他的场景中，因此出现了迁移学习这一领域。其目标就是将原数据域（源域，source domain）尽可能好的迁移到目标域（target domain），Domain Adaptation任务中往往源域和目标域属于同一类任务，即源于为训练样本域（有标签），目标域为测集域，其测试集域无标签或只有少量标签，但是分布不同或数据差异大，具体根据这两点可以划分为： homogeneous .
MyTCA.zip_TCA迁移学习_domain adaptation_transfer learning_迁移学习_迁移学习T
07-14
TCA属于基于特征的迁移学习方法，杨强教授出品2011年的,Domain Adaptation via Transfer Component Analysis
Everything about Transfer Learning and Domain Adaptation--迁移学习
11-03
Everything about Transfer Learning and Domain Adaptation--迁移学习
transferlearning, Everything about Transfer Learning and Domain Adaptation--迁移学习.zip
09-17
transferlearning, Everything about Transfer Learning and Domain Adaptation--迁移学习
TCA.zip_TCA+_TCA算法_domain adaptation_半监督_迁移学习算法
09-21
TCA是基于半监督的迁移学习，出自于文章Domain Adaptation via Transfer Component Analysis，通过算法转换，将源域和目标域的分布更加接近，从而达到很好的迁移效果。
Domain Adaptation 相关介绍
最新发布
..
01-09 475
Transfer learning 是机器学习的一个分支, 而 Domain adpatation 是 transfer learning 的一个分支.在 transfer learning 中有两个概念: source domain (源域) 和 target domain (目标域).源域中往往有丰富的信息, 比如有大量的数据点和其真实的标签;
域自适应图像分割(domain adaptation)
ReaFly的博客
08-02 7204
domain adaptation 主要包括image-level 和 feature-level 两个层面的适配， 其中，image-level多依赖GAN进行转化，feature-level多依赖loss损失函数，或者对抗思想来约束两个domain的特征 1. 《Patch-based Output Space Adversarial Learning for Joint Optic Disc...
域适应（Domain Adaptation）综述
weixin_45836130的博客
09-05 4034
有一种方法如下图所示，我们有许多无标签的数据，它们经过Feature Extractor和Label Predictor后，不知道属于哪个类别，但希望离边界越远越好，离边界远的意思就是输出的结果非常集中，集中在某一个类别上，离边界近的意思是输出的结果的每一个类别都非常接近，不知道属于哪类。假设我们在训练集上训练黑底白字的手写数字集后（如下图），再把它用在同样是黑底白字的测试集上所得到的效果非常好（99.5%），但是如果把它用在有颜色的数字上的时候，它的效果就没之前那么好了（57.5%）。
迁移学习——Domain Adaptation
热门推荐
小花生的博客
07-08 5万+
Domain Adaptation 在经典的机器学习问题中，我们往往假设训练集和测试集分布一致，在训练集上训练模型，在测试集上测试。然而在实际问题中，测试场景往往非可控，测试集和训练集分布有很大差异，这时候就会出现所谓过拟合问题：模型在测试集上效果不理想。 以人脸识别为例，如果用东方人人脸数据训练，用于识别西方人，相比东方人识别性能会明显下降。 当训练集和测试集分布不一致的情况下，通过在训练...
李宏毅老师-概述领域自适应
weixin_46675905的博客
05-19 471
慢慢来，会更好！ 大家好，我是一个想研究又不会研究的研究生 陪伴大家一起学习成长！ 举一个例子，手写数字识别 但是假设训练资料和测试资料的分布不一样怎么办呢? 比如说训练的时候是黑白的，测试的时候是彩色的 一旦训练和测试分布不一样，那么在测试data上可能坏掉 那么，这种情况就叫做domain shift 相应的，我们就有一门技术来弥补这个不足，那就是domain adaptation 把一个domain（训练）学到的东西用在另一个domain（测试）上 domain shift有很多种可能 下
学习笔记|领域自适应（Domain adaption)——实现模型的自适应迁移
oXiLang的博客
03-09 4827
有时候我们在某个领域训练出的一个模型，想迁移到另一个领域，这样我们就不需要每个领域都去标注大量的数据了。
Domain Adaption 领域自适应
weixin_43120238的博客
10-06 957
定义（from Wiki): Domain Adaption是transfer leanring（迁移学习）中很重要的一项内容。主要目的是将具有不同分布的（data distribution）的具有标签（label）的源域（source domain）和不带标签的目标域（target domain） 映射（map）到同一个特征空间（embedding mainfold）。 数学化（Formalization) X，YX， YX，Y 分别为输入空间和输出空间； Machine Leanring 算法的..
领域适应学习(domain adaptation）
wydbyxr的博客
09-30 1万+
领域适应学习(domain adaptation）   iid（独立同分布） 为了解决训练集和测试集的数据分布不匹配（即不满足iid条件），在无监督学习中提出了domain adaptation（领域自适应） 。   领域自适应（Domain Adaptation）是迁移学习（Transfer Learning）的一种，思路是将不同领域（如两个不同的数据集）的数据特征映射到同一个特征空间，这样可利...
模型汇总15 领域适应性Domain Adaptation、One-shot/zero-shot Learning概述
lqfarmer的博客
06-18 3589
几乎所有希望在实际应用中使用机器学习算法的人都会遇到领域适应性（Domain Adaptation）的问题：我们在固定的source domain建立了模型，但希望把我们的模型部署到另外一个或几个不同的target domain中。领域的适应性问题在机器学习实际应用的各个领域都非常常见。 获取最新消息链接：获取最新消息快速通道 - lqfarmer的博客 - 博客频道 - CSDN.NET
迁移学习domain adaptation
05-16
迁移学习（Transfer Learning）是指将已经学习好的知识模型应用到新的任务中。在机器学习领域中，由于数据来源、分布、数量等方面的不同，常常需要进行领域自适应（Domain Adaptation）来解决训练数据与测试数据的分布不同的问题。 领域自适应技术（Domain Adaptation）是指将模型从一个源领域（Source Domain）迁移到另一个目标领域（Target Domain）的过程。在迁移学习中，领域自适应技术可以帮助我们在训练数据与测试数据分布不同的情况下，仍然能够获得较好的模型性能。 领域自适应技术的基本思想是通过对源领域和目标领域之间的差异进行建模，并使用这些模型来调整源领域的模型，使其适用于目标领域。常用的领域自适应技术包括对抗性训练（Adversarial Training）、迁移学习（Transfer Learning）等。 在实践中，可以使用一些领域自适应技术来解决一些实际问题，比如在自然语言处理中，可以使用迁移学习技术来实现跨语言文本分类、机器翻译等任务。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值