Domain Adaptation

最新推荐文章于 2025-06-05 12:21:57 发布
最新推荐文章于 2025-06-05 12:21:57 发布
阅读量571 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 机器学习 文章标签： 迁移学习
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.youkuaiyun.com/upup_noel/article/details/52088735
本文探讨了视觉域适应的概念及其在不同条件下的应用。视觉域的变化可能受到物体位置、姿态等多种因素影响，域适应旨在克服这些差异，实现从一个域学到的知识能够迁移到另一个域的目标。介绍了Berkeley的一个早期项目案例。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

visual domain可能会随着物体的位置、姿态、光照、类间的差异（不同的苹果），甚至于拍摄的设备（商用还是个人的摄像机）而产生变化。

所以domain adaptation的目的就是想消除这些无关变化因素的影响，希望在一种domain中学到的东西能用到另一个domain中，所以也是一种transfer learning。

Berkeley的一个项目：https://people.eecs.berkeley.edu/~jhoffman/domainadapt/。用的多是传统特征，比较老了。

《DLOW:Domain Flow for Adaptation and Generalization》论文解析
wenqiwenqi123的博客
04-16 1737
今天说的这篇文章，也是用来解决迁移学习问题的。迁移学习要解决一个什么问题呢？就是要把模型在source域（源域）学习到的知识，用到target域（目标域）里。 DLOW这篇文章主要提出了两点：1、可以把source域的数据迁移成中间域，中间域也就是介于source和target之间的域。 2、训练的时候如果有多个target域的话，DLOW可以生成网络没有见过的数据风格。 那么接下来介绍...
domain adaptation
01-10
域适应的经典文章，cvpr，强化学习，迁移学习，核函数匹配
domainAdaptation
03-25
domainAdaptation
一篇文章理解Source-Free Domain Adaptation（SFDA）
最新发布
2501_92336788的博客
06-05 2443
本文系统介绍了迁移学习技术路径的演进过程。从基础迁移学习（解决跨领域知识迁移问题）到领域自适应（处理数据分布差异），再到无监督领域自适应（目标域无标签场景），最终聚焦源缺失领域自适应（SFDA）。
笔记：unsupervised domain adaptation by backpropagation
easylifer的专栏
03-30 1万+
这篇文章是结合对抗网络框架与深度学习技术解决domain adaptation应用的一个工作。
李宏毅老师-概述领域自适应
weixin_46675905的博客
05-19 790
慢慢来，会更好！ 大家好，我是一个想研究又不会研究的研究生 陪伴大家一起学习成长！ 举一个例子，手写数字识别 但是假设训练资料和测试资料的分布不一样怎么办呢? 比如说训练的时候是黑白的，测试的时候是彩色的 一旦训练和测试分布不一样，那么在测试data上可能坏掉 那么，这种情况就叫做domain shift 相应的，我们就有一门技术来弥补这个不足，那就是domain adaptation 把一个domain（训练）学到的东西用在另一个domain（测试）上 domain shift有很多种可能 下
Analysis of Representations for Domain Adaptation
10-19
迁移学习中的经典理论分析 对深入理解迁移学习算法很有帮助
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 ...
论文笔记：Cluster Alignment with a Teacher for Unsupervised Domain Adaptation
01-06
Profile  最近因为个人需要看了一些 DADADA 和 DRDRDR 的文章。  这篇文章比较有意思的是：将聚类设计成目标函数，从而一方面实现经网络抽取特征在分布上的自然聚类，一方面因为特征分布的聚类自然提高了分类效果...
An introduction to domain adaptation and transfer learning.pdf
09-18
首先，域适应关注的是如何在源域（source domain）学习的知识能够适应或转移至目标域（target domain）。源域通常指拥有大量标注数据的领域，而目标域指标注数据稀少，但具有相似任务的领域。当两个域的分布存在差异...
2021-域自适应-医学图像分析-Domain Adaptation for Medical Image Analysis
09-21
"Domain Adaptation for Medical Image Analysis: A Survey" Domain Adaptation（领域适应）是机器学习领域中的一种技术，旨在解决源域和目标域之间的分布差异问题。近年来，领域适应在医学图像分析领域引起了广泛...
Unsupervised Domain Adaptation by Backpropagation
qq_22583741的博客
10-28 1021
顶尖的深度架构通常在大量标注数据上进行训练。对于某些任务，如果缺少标注数据，领域自适应通常是一个有吸引力的选项，尤其是在有相似但来自不同领域（如合成图像）的标注数据可用的情况下。在此，我们提出了一种新的深度架构领域自适应方法，该方法可以在源领域的大量标注数据和目标领域的大量无标注数据上进行训练（不需要目标领域的标注数据）。随着训练的进行，该方法有助于产生“深层”特征，这些特征（i）对源领域的主要学习任务具有判别力，且（ii）对领域之间的差异具有不变性。
论文笔记《Domain Adaptation via Transfer Component Analysis》讲解PPT
时间的玫瑰的博客
04-24 356
讲解PPT
（转）Awsome Domain-Adaptation
a1424262219的博客
08-06 534
Awsome Domain-Adaptation 2018-08-0619:27:54 This blog is copied from:https://github.com/zhaoxin94/awsome-domain-adaptation This repo is a collection of AWESOME things about domian ada...
迁移学习——Domain Adaptation
热门推荐
小花生的博客
07-08 5万+
Domain Adaptation 在经典的机器学习问题中，我们往往假设训练集和测试集分布一致，在训练集上训练模型，在测试集上测试。然而在实际问题中，测试场景往往非可控，测试集和训练集分布有很大差异，这时候就会出现所谓过拟合问题：模型在测试集上效果不理想。 以人脸识别为例，如果用东方人人脸数据训练，用于识别西方人，相比东方人识别性能会明显下降。 当训练集和测试集分布不一致的情况下，通过在训练...
Domain Adaptation（DA）
Abstinence277的博客
10-30 140
*domain adapation（领域自适应）**是迁移学习的一种，也是目前迁移学习中主要研究方向，旨在解决测试数据不方便采集、标注，耗时耗力等情况，希望通过迁移学习提高识别准确率。用已经标注的部分微调在训练集训练出来的模型。
域适应（domain adaptation）
如果想成为中心，那么就到中心去吧。
05-22 3万+
文章目录导读前言域适应类别任务相关性一步域适应技术及其应用基于散度的域适应基于对抗的域适应基于重建的域适应结论 导读 在迁移学习中， 当源域和目标的数据分布不同 ，但两个任务相同时，这种特殊的迁移学习叫做域适应 （Domain Adaptation，DA ）。因为其任务相同，域适应属于一种直推式迁移学习。在计算机视觉中，域适应是一个常见要求，因为带有标注的数据集很容易取得，但是获得的数据集和我们最终应用的数据集来源的域往往是不同的。那么解决这类问题的思路是什么呢？请看 AI 前线翻译的这篇文章，希望能有所启
Domain adaptation
04-04
Domain adaptation is a type of machine learning technique that is used to transfer knowledge from one domain to another. In other words, it is the process of modifying a model that was trained on one domain (e.g. images of cats) so that it can perform well on another, related domain (e.g. images of lions). The need for domain adaptation arises when the training data and the testing data come from different distributions. In such cases, a model trained on one domain may not perform well on another domain, as the features that are relevant in one domain may not be relevant in the other. Domain adaptation techniques attempt to bridge this gap by adapting the model to the new domain. This can be achieved by various means, such as re-weighting the training data, learning domain-invariant features, or using domain-specific knowledge to modify the model. Domain adaptation has applications in various fields, including computer vision, natural language processing, and speech recognition.
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