迁移学习
蜉蝣之翼❉
这个作者很懒,什么都没留下…
展开
-
Conditional Adversarial Domain Adaptation的理论支持
Reproducing Kernel Hilbert SpaceGiven a nonempty set X\mathcal{X}X , and H\mathcal{H}H is a Hilbert space of function f:X→Rf :\mathcal{X} \to Rf:X→R Then H\mathcal{H}H called a Reproducing Kernel Hi...原创 2019-11-05 15:08:48 · 563 阅读 · 0 评论 -
Semi-supervised Domain Adaptation via Minimax Entropy
摘要算法整个网络分为两个部分:特征提取器 F:采用主流的cnn网络,去掉最后的线性分类层分类器 C:k类别的线性分类器图片x先输入到F中,得到F(x)。再计算l-2范数归一化后,得到f(x)∥f(x)∥\frac{f(x)}{\Vert f(x)\Vert}∥f(x)∥f(x)。 然后输入到分类器C中,得到 1TWTf(x)∥f(x)∥\frac{1}{T}\frac{W^Tf...原创 2019-08-25 08:48:57 · 2322 阅读 · 1 评论 -
Category-level Adversaries for Semantics Consistent Domain Adaptation
这是CVPR 2019的一片论文,讲语义分割中的域适应文章目录摘要介绍算法问题背景网络架构相关工作GAN协同训练(co-traning)训练流程损失函数分析实验摘要域适应在语义分割中的关键问题在于 减少域漂移(domain shift)。一般,我们对齐两个域之间的分布来解决这个关键问题。问题是,这种全局性的对齐两个域的分布,并没有考虑类别级别的对齐。这种忽略会造成:目标域中 原本已经对齐的类...原创 2019-07-12 08:11:32 · 409 阅读 · 0 评论 -
ADVENT: Adversarial Entropy Minimization for Domain Adaptationin Semantic Segmentation
概览背景域适应在语义分割中的应用。问题训练集的分布与测试集的分布之间存在差异,导致在测试集上准确率不高。动机作者观察到:源域上的监督学习训练出来的模型,在与源域相似的图片上预测出来的语义分割图是低熵。而在目标域上的预测图则是高熵。如下图所示。左边是语义分割图,右边计算整个图熵值结果的可视化。源域中的预测熵图(prediction entropy maps)像是边缘检测:在边缘部分有很...原创 2019-07-01 08:54:51 · 2932 阅读 · 0 评论 -
AdaGraph: Unifying Predictive and Continuous Domain Adaptation through Graphs笔记
文章目录自适应图:一统零样本、增量域适应问题摘要引言相关工作方法概览数据AdaGraph: Graph-based Predictive DA用图连接域可学习的参数在这里插入图片描述Experiments数据集自适应图:一统零样本、增量域适应问题[pdf] [supp]定义源域目标域辅助域domain adaptation标注数据无标注数据无predic...转载 2019-07-04 15:12:45 · 645 阅读 · 0 评论 -
Universal Domain Adaptation 通用域自适应 笔记
背景本文介绍了一种新的迁移学习的场景。迁移学习迁移学习是指:将源域的知识迁移到目标域,用以辅助目标域训练通用域自适应本文提出一种新的场景:通用域自适应。是指源域的标签空间和目标域的标签空间有一定的交集,同时两者又有各自独立的部分。如下图左下角所示:举个例子,源域中有 老虎、斑马、狮子、大象。目标域中有老虎、狮子、猫、熊猫。它们都有老虎、狮子这两个类别。源域和目标域都包含对方没有的类别...原创 2019-07-08 09:10:03 · 5260 阅读 · 1 评论 -
2019cvpr迁移学习
CVPR paperLearning to Transfer Examples for Partial Domain AdaptationUnsupervised Visual Domain Adaptation: A Deep Max-Margin Gaussian Process Approach(Oral) Adversarial Entropy Minimization for Do...转载 2019-06-12 16:31:33 · 2648 阅读 · 1 评论 -
基于领域自适应的语义分割(DA-based SS)
来源 https://blog.csdn.net/cp_oldy/article/details/83217291文章目录1. 预备知识1.1 域适应 (Domain Adaptation, DA)1.2 语义分割 (Semantic Segmentation, SS)2. 相关论文2.1 CVPR 18-Learning to Adapt Structured Output Space fo...转载 2018-12-28 20:04:26 · 761 阅读 · 0 评论 -
Taskonomy: Disentangling Task Transfer Learning
摘要视觉任务之间是否有关系,或者它们是否无关?例如,曲面法线(surface normals)可以简化估算图像的深度吗?直觉积极回答这些问题,暗示在视觉任务中存在某种结构。了解这种结构具有显著的价值;它是迁移学习的基本概念,并提供了一种识别任务冗余的原则方法,以便例如在相关任务之间无缝地重用监督或在一个系统中解决许多任务而不会增加复杂性。我们提出了一种完全计算的方法来建模视觉任务空间的结构。这是...原创 2018-11-07 20:37:01 · 645 阅读 · 0 评论 -
Unsupervised Domain Adaptation for Semantic Segmentation via Class-Balanced Self-Training
摘要最近的深度网络在各种语义分割任务上实现了最先进的性能。尽管取得了这些进展,但这些模型经常面临现实世界“wild tasks”中的挑战,其中存在标记的训练/源数据与看不见的测试/目标数据之间的巨大差异。特别地,这种差异通常被称为“域间隙”,并且可能导致显着降低的性能,这通过进一步增加表示能力而不能容易地补救。无监督域适应(UDA)试图在没有目标域标签的情况下克服这种问题。在本文中,我们提出了一...原创 2018-11-06 14:41:47 · 3592 阅读 · 0 评论 -
Distant Domain Transfer Learning
摘要在本文中,我们研究了一种新的转移学习问题,称为远程域转移学习(DDTL)。与现有的转移学习问题不同,假设源域和目标域之间存在密切关系,在DDTL问题中,目标域可能与源域完全不同。例如,源域对面部图像进行分类,但目标域区分平面图像。受人类认知过程的启发,通过逐渐学习中间概念可以连接两个看似无关的概念,我们提出了一种选择性学习算法(SLA),用监督自动编码器或监督卷积自动编码器作为处理不同类型的...原创 2018-10-29 20:24:46 · 2165 阅读 · 1 评论 -
迁移学习地图
神经网络迁移学习对抗迁移Partial Transfer Learning with Selective Adversarial Networks分类:基于样本的迁移学习方法;解决的是在源域的标签空间包含目标域的标签空间情况下,迁移学习的问题,其中目标域无标记数据,源域中有大量的标记数据。方法:利用gan的判别器来选择与目标域样本相近的源域实现迁移数据:网络架构:G_f特征提...原创 2018-10-23 16:16:53 · 520 阅读 · 0 评论 -
A theory of learning from different domains
本文要解决的问题在什么条件下,由源域训练的分类器能在目标域上取得很好的效果鉴于目标域中只有少量的标记数据,在训练过程中,我们应该怎样利用拥有大量已标记数据的源域使得在测试的时候目标误差最低。相关概念1.域适应(domain adaptation)域适应模型 我们考虑二分类的域适应问题。 定义领域为分布D\mathcal{D}D,输入X\mathcal{X}X,标签函数f:X→...翻译 2018-09-23 15:12:11 · 3285 阅读 · 0 评论