Domain Adaptation

最新推荐文章于 2024-11-21 21:57:53 发布
原创 最新推荐文章于 2024-11-21 21:57:53 发布 · 137 阅读 · 0 ·
CC 4.0 BY-SA版权
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。

博客内容提及了语音交流相关的'speech talk'，虽信息有限，但可推测围绕语音交流展开。

speech talk

域适应（Domain Adaptation）综述
weixin_45836130的博客
09-05 4516
有一种方法如下图所示，我们有许多无标签的数据，它们经过Feature Extractor和Label Predictor后，不知道属于哪个类别，但希望离边界越远越好，离边界远的意思就是输出的结果非常集中，集中在某一个类别上，离边界近的意思是输出的结果的每一个类别都非常接近，不知道属于哪类。假设我们在训练集上训练黑底白字的手写数字集后（如下图），再把它用在同样是黑底白字的测试集上所得到的效果非常好（99.5%），但是如果把它用在有颜色的数字上的时候，它的效果就没之前那么好了（57.5%）。
Unsupervised Domain Adaptation by Backpropagation
qq_22583741的博客
10-28 1088
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 论文整理(持续更新)
weixin_44563093的博客
05-12 360
【论文阅读-域自适应】Can We Evaluate Domain Adaptation Models Without Target-domain Labels?
兴趣使然的创作者
05-11 1294
无监督域自适应(Unsupervised domain adaptation)目的是对源域上训练的模型进行调整以适应未标记的目标域。然而由于目标域没有标签，因此很难有效评估UDA 模型的性能。对此，本文提出了一种迁移分数(Transfer Score)的评估指标。
域适应（domain adaptation）
热门推荐
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理论分析
Jie Qiao的专栏
01-24 8474
文章目录A theory of learning from different domainsH-divergenceAnalysis of Representations for Domain Adaptation参考资料 本文是对两篇文章： A theory of learning from different domains Analysis of Representations for ...
Domain adaptation 与 Domain generalization
weixin_44736161的博客
01-22 6360
一、Domain adaptation （DA） 1. 基本介绍 1. 什么是domain?: 一堆数据服从相同的分布。 2. Domain adaptation 研究的问题 给了一个training set 这个set可能是由一个或多个domain 构成的，给定的testing set的domain与training set是不同的。利用training有Label 的数据训练模型，使得这个模型在testing数据上也可以使用，并且取得良好的效果。 在经典的机器学习中，当 源域 和 目标域 数据分布不同，
domain adaptation 小综述
read, note and comment papers
11-10 4716
前段时间为了一个项目读了一些domain adaptation的论文，希望了解领域背景和前沿，现在进行一个总结。 首先介绍下domain adaptation的概念，简单地说就是，在一个数据集上训练得到的模型无法很好地在另一个数据集上表现，两个数据集之间存在差异。用上术语就是两个domain之间存在domain shift，导致了性能的下降。举个例子，自然图像数据集上训练得到的目标检测模型，应用到遥感图像上表现很差，是因为自然图像和遥感图像之间存在着domain shift。domain adapt..
Universal Domain Adaptation、Source-Free Domain Adaptation 和 Zero-Shot Learning的区别与联系
qq_44643395的博客
11-21 913
在机械故障诊断或其他领域中，Universal Domain Adaptation (UDA)、Source-Free Domain Adaptation (SFDA) 和 Zero-Shot Learning (ZSL) 是迁移学习研究中的不同方向，它们关注的核心问题和适用场景存在一定交集，但并非完全相同。以下将从概念定义、研究目标、适用场景以及它们之间的联系和区别来逐一解析这些概念。Universal Domain Adaptation 是一种能够适用于任意标签空间不一致场景的迁移学习方法。它的目标是同
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 ...
精选资源
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...
精选资源
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...
NLP( 包括语音识别）
ChengChengCheng的博客
04-18 4083
任务：NLU(理解），NLG(生成） 应用：情感分析，聊天机器人(QA), 机器翻译，摘要生成， NLP 与语音识别、语音合成 语音交互: 进行对话交互时，机器往往需要完成“听懂——理解——回答”的闭环。这个闭环涉及到三类技术：语音识别（ASR）、自然语言处理（NLP）以及语音合成（TTS）。 语音识别（Automatic Speech Recognition）：简称ASR，是将声音转化成文字的过程，相当于耳朵。 自然语言处理（Natural Language Processing）：简称NLP，是理解和处
深度可分离卷积的官方接口:slim.separable_conv2d == slim.separable_convolution2d ==depthwise conv+ pointwise conv
ChengChengCheng的博客
06-10 4066
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/layers/python/layers/layers.py 需要梯子
repost 2013年DNNresearch
ChengChengCheng的博客
03-29 267
首页搜索门户 谷歌收购DNNresearch能获得什么？ ...
STM32+MAX7219数码管模块显示程序 SPI接口
最新发布
12-02
提供了基于STM32F4xx系列的MAX7219数码管模块显示程序，通过SPI串行总线进行通信，使用库函数进行编程。经过实际测试，该程序能够正常驱动数码管进行显示。 特点 基于STM32F4xx系列MCU 使用SPI串行总线通信 采用库函数编程 实测能正常驱动MAX7219数码管模块显示
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 ...
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