![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
迁移学习
文章平均质量分 81
dailleson_
这个作者很懒,什么都没留下…
展开
-
Generalizing to Unseen Domains: A Survey on Domain Generalization 论文分享
这篇论文应该是领域泛化领域第一篇综述,楼主花了些时间较为仔细的读了一下,写了这篇笔记1.理论分析(论文所有的分析都基于二分类问题,分析工具会用到VC维)Domain Adaptation中的error bounderror bound包含三项:源域上的误差+源域和目标域的距离+理想模型的误差(对相同的数据集,源域和目标域上的理想分类器的分类差异)一般的DA方法将第三项视作为常数项,主要优化第一和第二项(缩小源域和目标域的距离), i.e. domain invariant feature rep原创 2022-05-03 18:03:03 · 1446 阅读 · 0 评论 -
神经风格迁移综述论文分享(neural style transfer review)
本文是论文的“神经风格迁移模型综述”简要总结和一丢丢笔者自己的理解,该论文发表于《计算机工程与应用》当前主流方法主要可分为以下几类方法:基于图像迭代的慢速神经风格迁移 (速度很慢、要求source和target的形状要比较相似)基于统计参数(均值、方差和其他的高阶统计信息)的方法,包括Gram矩阵和MMD基于非统计参数的方法,包括马尔可夫随机场、语义风格迁移、深度图像类比基于模型迭代的快速神经风格迁移(在速度上要比图像迭代方法快两个数量级, 但质量略逊)基于前馈风格化模型的方法,主要在原创 2021-12-20 11:45:07 · 1224 阅读 · 4 评论 -
Learning to Generalize:Meta-Learning for Domain Geralization 深度理解(公式详细推导,包含二阶导)
Learning to Generalize:Meta-Learning for Domain Geralization 深度理解原创 2020-09-21 10:03:53 · 2388 阅读 · 10 评论