![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
迁移学习
文章平均质量分 87
迁移学习论文阅读笔记
周杰伦的半岛铁盒
这个作者很懒,什么都没留下…
展开
-
Progressive Domain Adaptation from Source Pre-trained Model
Progressive Domain Adaptation from a Source Pre-trained ModelIntroduction这是一篇无源领域自适应的论文,考虑到领域自适应中源域数据的隐私问题,作者提出一种名为progressive domain adaptation (PrDA) 的方法,只利用源域模型以及无标签的目标域数据进行领域自适应。作者在一开始指出:如果我们将目标域数据输入源域模型,输出的熵(self-entropy)越小,那么可以认为预测正确的可能性越大。基于上述理论,原创 2021-06-01 19:49:52 · 520 阅读 · 1 评论 -
【论文解读】Model Adaptation
Model Adaptation: Unsupervised Domain Adaptation without Source DataIntroduction这是发表在2020 CVPR的一篇无源领域自适应论文。基于GAN的思想,作者提出了一种名为Collaborative Class Conditional Generative Adversarial Networks (3C-GAN) 的框架。大致思路是:首先生成类似目标域(target-style)的带标签数据,然后利用生成的数据去训练源域模型原创 2021-05-27 22:15:21 · 808 阅读 · 2 评论 -
无源领域自适应:Source Hypothesis Transfer for Unsupervised Domain Adaptation
Do We Really Need to Access the Source Data? Source Hypothesis Transfer forUnsupervised Domain Adaptation欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,原创 2021-05-19 20:42:36 · 4574 阅读 · 2 评论