![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度知识学习
文章平均质量分 89
快乐读博
工科在读博士生,欢迎交流
展开
-
通用域自适应(Universal Domian Adaptation)
在UDA中,给定一个标记的源领域,对于任何相关的目标领域,无论其标签集与源领域的标签集有何不同,如果目标领域的样本属于源标签集中的任何一类,我们都需要正确分类它,否则将其标记为“未知”。然而,在通用领域适应中,这种直接的方法可能会失效,因为由于潜在的领域差异,神经网络的预测往往过于自信[10]但区分度较低。(3)我们提出了通用适应网络(UAN),这是一种端到端的解决方案,它利用每个样本的领域相似性和预测不确定性来开发一种加权机制,以发现两个域共享的标签集并促进共同类别的适应。原创 2024-05-25 17:22:41 · 1214 阅读 · 0 评论 -
Domain Adaptation(领域自适应)
我们可以训练一个在source domain 上难免表现很出色的模型,但是当target domian和source domain的数据分布不一样时候,我们之前在source domian上面训练的模型,在target domain上面表现可能不是很好。其中绿色长方形的代表我们从source domain和target domain提取的特征图(特征向量),我们要求来自两张图片(source domain 和target domain)出现的数据点(红色点和蓝色点)分布应该看起来一样,分不出差异。原创 2024-05-25 11:16:24 · 749 阅读 · 0 评论