- 博客(11)
- 资源 (5)
- 收藏
- 关注
原创 最优传输论文(四十七):Curriculum manager for source selection in multi- source domain adaptation论文原理
文章目录前言摘要1 Introduction前言文章来自2020年的ECCV本文是本人领域自适应与最优传输系列论文的第47篇,所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms,希望各位大佬们不吝点赞,给个Star哦~摘要多源无监督域自适应的性能在很大程度上取决于标记源域样本传输的有效性。在本文中,我们提出了一种对抗性代理,它学习源样本的动态课程,称为源选择课程管理器(Curriculum Manager
2021-10-28 20:09:51 516 1
原创 最优传输论文(四十九):Teacher-Student Consistency For Multi-Source Domain Adaptation论文原理
文章目录前言摘要1 Introduction2 Related work3 Our approach4 Experimental evaluation4.1 Sentiment analysis代码前言文章来自2020年的CoRR本文是本人领域自适应与最优传输系列论文的第49篇,所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms,希望各位大佬们不吝点赞,给个Star哦~摘要在多源域适配(MSDA)中,模型基
2021-10-24 12:27:20 3974
原创 最优传输论文(四十八):Transferable Attention for Domain Adaptation论文原理
文章目录前言摘要IntroductionRelated WorksTransferable Attention for Domain AdaptationTransferable Local AttentionTransferable Global AttentionTransferable Attention for Domain AdaptationExperiments and ResultsSetup前言文章来自2019年的AAAI本文是本人领域自适应与最优传输系列论文的第48篇,所有系列
2021-10-23 19:52:25 1591
原创 最优传输论文(四十五):Moment Matching for Multi-Source Domain Adaptation论文原理
文章目录前言摘要1. Introduction2. Related Work3. The DomainNet dataset4. Moment Matching for Multi-Source DA前言文章来自2019年的CVPR本文是本人领域自适应与最优传输系列论文的第45篇,所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms,希望各位大佬们不吝点赞,给个Star哦~摘要传统的无监督域自适应(UDA)假
2021-10-20 23:06:48 772
原创 最优传输论文(四十四):Deep Cocktail Network: Multi-source Unsupervised Domain Adaptation with Category Shift原理
文章目录前言摘要1. Introduction2. Related Work3. Problem Setup4. Deep Cocktail Network4.1. Architecture4.2. Learning4.2.1 Multi-way Adversarial Adaptation4.2.2 Target Discriminative Adaptation5. Experiments前言文章来自2018年的CVPR本文是本人领域自适应与最优传输系列论文的第44篇,所有系列论文的相关代码在
2021-10-17 16:06:46 686
原创 最优传输论文(四十三):Unsupervised Multi-source Domain Adaptation Without Access to Source Data论文原理
文章目录前言摘要1. Introduction前言文章来自2021年的CVPR本文是本人领域自适应与最优传输系列论文的第43篇,所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms,希望各位大佬们不吝点赞,给个Star哦~摘要这一篇论文很有看点,它不访问源域数据来完成领域自适应。无监督域自适应(UDA)的目标是通过从一个独立的有标记源域转移知识来学习一个无标记域的预测模型。然而,大多数传统的UDA方法都假设
2021-10-16 10:02:06 541
原创 最优传输论文(四十二):Dynamic Transfer for Multi-Source Domain Adaptation论文原理
文章目录前言摘要前言文章来自2021年的CVPR本文是本人领域自适应与最优传输系列论文的第42篇,所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms,希望各位大佬们不吝点赞,给个Star哦~摘要...
2021-10-14 15:17:29 603
原创 最优传输论文(四十一):Adversarial Multiple Source Domain Adaptation论文原理
文章目录前言摘要1 Introduction2 Preliminary3 Generalization Bound for Multiple Source Domain Adaptation前言文章来自2018年的NIPS本文是本人领域自适应与最优传输系列论文的第41篇,所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms,希望各位大佬们不吝点赞,给个Star哦~摘要虽然领域自适应已经得到了积极的研究,但大多
2021-10-11 15:35:09 786
原创 最优传输论文(四十):Conditional Adversarial Domain Adaptation论文原理
文章目录前言摘要1 Introduction2 Related Work3 Conditional Adversarial Domain Adaptation前言文章来自2018年的NIPS本文是本人领域自适应与最优传输系列论文的第40篇,所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms,希望各位大佬们不吝点赞,给个Star哦~摘要对抗性学习被嵌入到深度网络中,以学习解纠缠和可转移的表示,实现领域自适应。
2021-10-09 17:29:14 770
原创 最优传输论文(三十九):Transferable Semantic Augmentation for Domain Adaptation论文原理
文章目录前言摘要1. Introduction2. Related Work2.1. Feature Adaptation2.2. Classifier Adaptation3. Transferable Semantic Augmentation3.1. Motivation and Preliminaries3.2. Cross-Domain Semantic Augmentation3.2.1 Class-wise Overall Semantic Guidance前言文章来自2021年的CV
2021-10-05 21:49:49 452
原创 关于ot.bregman
很遗憾数学能力不够,相关的论文无从看起,这里简单写一下每个函数的作用的吧,到时候直接调包吧,心累。下面是可用的:1.2.和1的区别就是1返回的是运输矩阵,2返回的是损失。因为b是三列一样的测度,所以返回的损失是三个一样的值。3.4.5.默认情况下,当使用不太小的正则化参数时,默认的 sinkhorn 求解器应该足够了。 如果您需要使用小正则化以获得更清晰的 OT 矩阵,您应该使用:any:ot.bregman.sinkhorn_stabilized 求解器将避.
2021-10-01 11:23:53 150
计算机网络实验课码分多址CDMA.代码zip
2019-11-01
zhilian1.zip
2019-08-17
C#winform窗体+socket实现登录通信聊天软件(可私聊与群聊)
2019-03-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人