Separate to Adapt Open Set Domain Adaptation via Progressive Separation论文总结

最新推荐文章于 2022-11-17 19:19:54 发布
最新推荐文章于 2022-11-17 19:19:54 发布
阅读量365 收藏
点赞数
分类专栏： 论文
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/qq_42325947/article/details/108297787
版权

Separate to Adapt Open Set Domain Adaptation via Progressive Separation论文总结

该论文研究的问题

该论文研究的是Open set domain adaptation问题，其中源域中没有未知类，而作者将目标域中的未知样本统称为一类：unknown class。本文提出分离适配（Separate to Adapt (STA)），一种端到端的开集域适配方法。这种方法采用由粗到细的加权机制，逐步分离未知类和已知类的样本，同时加权它们对特征分布对齐的影响，能够很好的在开放度变化较大的情境中得到较高的精度。

模型作用概述

最通俗地讲：

G c G_c Gc​：产生的初步权值来从目标域中区分出未知类

G b G_b Gb​：进一步得到更精确的权重

最低0.47元/天 解锁文章
Jason66661010
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
开放集领域自适应OSDA（三）：Separate to Adapt: Open Set Domain Adaptation via Progressive Separation论文原理
lyy的博客
04-02 557
文章目录前言摘要1. Introduction2. Related Work3. Method 前言 文章来自2019年的CVPR 本文是本人开放集领域自适应OSDA系列论文的第3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 在利用来自源域的标记数据为未标记的目标域学习准确的分类器方面，域自适应已经取得了巨大的成功。在野外部署时，目标域通常包含源域中未观察到的
开放集领域自适应OSDA（十）：Adversarial Open Set Domain Adaptation via Progressive Selection of Trans‐ ferab论文原理
lyy的博客
05-29 258
文章目录前言摘要1. Introduction2. Related Work2.1. Close Set Domain Adaptation2.2. Open set Domain Adaptation3. Preliminaries3.1. Open Set Domain Adaptation3.2. Domain Adversarial Training4. Method4.1. Thresholded Domain Adversarial Network4.2. Transferability Qua
Separate to Adapt: Open Set Domain Adaptation via Progressive Separation论文笔记
且慢
08-29 1337
Separate to Adapt: Open Set Domain Adaptation via Progressive Separation论文笔记 Abstract Domain adaptation问题在利用源域的标注数据为未标记的目标域学习准确的分类器方面已经有较大成功，但是Open Set Domain Adaptation问题中的目标域中存在未知类，而未知类所占的比例对解决问题的方案的性能影响很大。在源域与目标域对齐的时候，如果不将目标域中的未知类排除，会造成已知类与未知类的不匹配而形成负迁移
开放集域适应文献阅读三
QoMo的博客
11-17 571
开集域适应。
【资源】领域自适应相关论文、代码分享
zenRRan的博客
10-19 6690
点击上方，选择星标或置顶，每天给你送干货！阅读大概需要20+分钟跟随小博主，每天进步一丢丢整理| 专知【导读】领域自适应（Domain Adaptation）是迁移学习（Transfe...
Optimal Transport for Domain Adaptation
12-20
Domain adaptation is one of the most challenging tasks of modern data analytics. If the adaptation is done correctly, models built on a specific data representation become more robust when confronted ...
DTA.pytorch:正式实施Drop to Adapt
05-04
DTA正式实现将在ICCV 2019上介绍。设置环境创建一个新的python虚拟环境，并安装requirements.txt指定的软件包： pip install -r requirements.txt该代码已在4 Titan Xp GPU上的CUDA 9.0的Python 3.6.8上进行了测试。...
Detection Hub-Unifying Object Detection Datasets via Query Adapt
最新发布
11-10
Detection Hub-Unifying Object Detection Datasets via Query Adapt Detection Hub是基于查询自适应的对象检测数据集统一化方法。该方法可以解决对象检测任务中存在的两个主要障碍：taxonomy difference和...
adapt:适应意图解析器
05-12
Adapt Intent Parser是一个灵活且可扩展的Intent定义和确定框架。 它旨在将自然语言文本解析为结构化的意图，然后可以以编程方式对其进行调用。 入门 要依赖Adapt，建议使用virtualenv和pip从github安装源。 $ ...
Mandatory Steps to Adapt Your ABAP Code for SAP HANA.pdf
06-28
Mandatory Steps to Adapt Your ABAP Code for SAP HANA
【CVPR2019】论文完整列表一
热门推荐
TomRen
06-11 1万+
CVPR 2019 Paper list[1-1000] CVPR2019 完整列表二 论文题目与链接 Finding Task-Relevant Features for Few-Shot Learning by Category Traversal Edge-Labeling Graph Neural Network for Few-Shot Learning G...
本科三篇顶会一作、超算竞赛冠军，2020清华本科特奖结果出炉
zandaoguang的博客
11-14 352
机器之心报道作者：蛋酱在今年的清华本科生特奖候选人中，来自电子系的刘泓 ICML、CVPR、NeurIPS 三篇顶会一作的成绩十分亮眼，此外，来自姚班的吕欣也因为在计算机基础理论研究上的...
CVPR2019论文汇总
qq_42635561的博客
09-23 3288
CVPR2019论文汇总 论文题目与链接 Finding Task-Relevant Features for Few-Shot Learning by Category Traversal Edge-Labeling Graph Neural Network for Few-Shot Learning Generating Classification Weights With GNN Deno...
Open Set Domain Adaptation
gdtop的个人笔记
04-16 4390
本篇是迁移学习专栏介绍的第十篇论文，也算是本专栏专门讲Domain Adaptation的第一篇论文。这篇文章是接受于ICCV 2017，文章的setting是特别新颖的，获得了ICCV Marr Prize 提名。所以很值得一看。 Abstract 当训练和测试数据属于不同的领域时，对象分类器的精度会显著降低。因此，为了减少数据集之间的域转移，近年来提出了几种算法。然而，所有可用的域适应评估...
CVPR2019论文题目中文列表
qq_33581906的博客
11-18 6485
英文题目 中文题目 Finding Task-Relevant Features for Few-Shot Learning by Category Traversal 少镜头学习中用类别遍历法寻找任务相关特征 Edge-Labeling Graph Neural Network for Few-Shot Learning 用于少镜头学习的边缘标记图神...
深度域适应综述_一般情况与复杂情况（学习笔记）
且慢
10-27 2927
深度域适应综述_一般情况与复杂情况（学习笔记） 文章目录深度域适应综述_一般情况与复杂情况（学习笔记）图释摘要概述文章主要内容1.迁移学习概述1.1 迁移学习, 域适应以及深度域适应的形式化定义迁移学习域适应深度域适应域适应与迁移学习的关系1.2 影响目标域任务性能的因素——泛化误差1.3 负迁移2 深度域适应2.1 基于领域分布差异的方法2.1.1 基于统计准则的方法⭐⭐⭐（1）MMD(Maximum Mean Discrepancy, 最大均值差异)（2）CORAL（Correlation Alignm
improved open set domain adaptation with backpropagation 学习笔记
且慢
11-09 1475
improved open set domain adaptation with backpropagation 学习笔记 文章目录improved open set domain adaptation with backpropagation 学习笔记TIPABSTRACT1.INTRODUCTION AND RELATED WORK2.PROPOSED METHOD2.1 Overall Idea TIP KL距离，是Kullback-Leibler差异（Kullback-Leibler Diverge
Unsupervised Domain Adaptation by Backpropagation(2015)学习笔记
且慢
10-25 897
Unsupervised Domain Adaptation by Backpropagation(2015)学习笔记 文章目录Unsupervised Domain Adaptation by Backpropagation(2015)学习笔记tipabstract1.introduction2.related work3.Deep Domain Adaptation3.1The model3.2 Optimization with backpropagation4.experiments4.1 res
Learning Likelihood Estimates for Open Set Domain Adaptation——学习笔记
且慢
10-31 751
Learning Likelihood Estimates for Open Set Domain Adaptation——学习笔记 文章目录Learning Likelihood Estimates for Open Set Domain Adaptation——学习笔记tipABSTRACT1.INTRODUCTION2.RELATED WORKOpen Set Domain Adaptation.3.METHOD3.1 Problem Setting3.2 Overall Architecture
you only need 90k parameters to adapt light: a light weight transformer for
09-21
“你只需要90000个参数即可适应光：一款轻量级的Transformer” Light：一款轻量级的Transformer是指在模型参数数量较少的情况下，实现了对光照的适应能力。一般来说，Transformer模型通常需要巨大的参数数量来实现...

“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