Domain Adaption 领域自适应
定义(from Wiki):
Domain Adaption是transfer leanring(迁移学习)中很重要的一项内容。主要目的是将具有不同分布的(data distribution)的具有标签(label)的源域(source domain)和不带标签的目标域(target domain) 映射(map)到同一个特征空间(embedding mainfold)。
数学化(Formalization)
X,YX, YX,Y 分别为输入空间和输出空间;
Machine Leanring 算法的目的是学习一个数据模型(假设 hypothesis)h:X→Yh: X \rightarrow Yh:X→Y。学习样本为 S={(xi,yi)∈(X×Y)}i=1mS = \{ (x_i,y_i) \in (X \times Y)\}_{i=1}^mS={(xi,yi)∈(X×Y)}i=1m。Domain Adaptation不同方法
(1)无监督式domain adaption:数据为一组labeled的source domain数据、一组unlabeled的source domain数据、一组unlabeled的target domain数据。(2)半监督式domain adaption:同时包括了一“小”组labeled的target domain数据。
(3)监督式domain adaption:所有的数据都为labeled。
四种算法框架
(1)重采样算法(2)迭代算法
(3) 寻找共同编码space
标准的框架如2006年Granin[1]提出的一种基于对抗式方法,如下图所示:
主要由三部分组成:特征提取网络 Gf(x,θf)G_f(x,\theta_f)Gf(x,θf), 分类网络 Gy(z,θy)G_y(z,\theta_y)Gy(z,θy) 以及域判别器Gd(z,θd)G_d(z,\theta_d)Gd(z,θd) 。
训练策略分别是:
GfG_fGf : 编码的feature能使分类网络尽量识别出label,同时使域判别器无法分辨两种domain。
GyG_yGy : 尽量predict出label。
GdG_dGd : 尽量区分出feature是来自source domain还是target domain。
(4)层级贝叶斯模型
Domain Adaption 领域自适应相关推荐
- 学习笔记|领域自适应(Domain adaption)——实现模型的自适应迁移
1. 领域自适应网络概述 有时候我们在某个领域训练出的一个模型,想迁移到另一个领域,这样我们就不需要每个领域都去标注大量的数据了.但是这两个领域的数据分布是有些差异,要如何办呢?比如我们在黑白图片上训 ...
- 语义分割-Unsupervised Domain Adaptation in Semantic Segmentation:a Review语义分割中的无监督领域自适应:综述
Unsupervised Domain Adaptation in Semantic Segmentation:a Review语义分割中的无监督领域自适应:综述 0.摘要 1.介绍 1.1.语义分割 ...
- 从近年顶会论文看领域自适应(Domain Adaptation)最新研究进展
©PaperWeekly 原创 · 作者 | 张一帆 学校 | 中科院自动化所博士生 研究方向 | 计算机视觉 Domain Adaptation 即在源域上进行训练,在目标域上进行测试. 本文总结了 ...
- 无源领域自适应:Source Hypothesis Transfer for Unsupervised Domain Adaptation
Do We Really Need to Access the Source Data? Source Hypothesis Transfer for Unsupervised Domain Adap ...
- 【ICML 2015迁移学习论文阅读】Unsupervised Domain Adaptation by Backpropagation (DANN) 反向传播的无监督领域自适应
会议:ICML 2015 论文题目:Unsupervised Domain Adaptation by Backpropagation 论文地址: http://proceedings.mlr.pre ...
- Domain Adaptation(领域自适应,MMD,DANN)
Domain Adaptation 现有深度学习模型都不具有普适性,即在某个数据集上训练的结果只能在某个领域中有效,而很难迁移到其他的场景中,因此出现了迁移学习这一领域.其目标就是将原数据域(源域,s ...
- 语义分割-CyCADA: Cycle-Consistent Adversarial Domain Adaptation.循环一致对抗领域自适应
CyCADA: Cycle-Consistent Adversarial Domain Adaptation. 0.摘要 1.概述 2.相关工作 3.循环一致性对抗领域自适应 4.实验 4.1.数字数 ...
- 半监督领域自适应之CCSA--Unified Deep Supervised Domain Adaptation and Generalization
文章目录 介绍 论文和实现 模型架构 介绍 Unsupervised domain adaptation (UDA)无监督领域自适应不需要目标域任何标签数据,但是需要大量的目标域数据才能适应数据的分布 ...
- 领域自适应论文(六十七):Your Classifier can Secretly Suffice Multi-Source Domain Adaptation论文原理
文章目录 前言 摘要 1 Introduction Related 3 Self-supervised Implicit Alignment (SImpAl) 3.1源域的热启动 3.2 Introd ...
最新文章
- [导入]使用RDLC报表(二)--使用自定义数据集
- 计算机php什么意思,我们所说的计算机一般是指什么
- elaseticsearch 配置ik分词器的热更新_Elasticsearch从入门到放弃:分词器初印象
- thymeleaf和freemarker比较
- 【转】转贴 poj分类
- 微信端打开页面,布局乱了
- java 线程 condition_JAVA多线程按指定顺序执行线程 Condition应用
- Java毕业设计-学生选课管理系统
- MDT捕捉镜像提示错误
- 红外线相关的论文(可见光和红外图像融合、红外图像增强、红外图像目标检测、红外图像分割...)
- Linux菜鸟教程(一 :JDK安装和java环境的配置)
- WePhone手机软件已下架 疑因资金问题导致无法使用
- codeblocks无法找到编译器问题的三个原因
- reset.css(常用项目代码初始化)
- 怎么设置计算机桌面一键关机,电脑一键关机按钮创建 教你在桌面一点就自动关机...
- fone喜获“2018中国企业绩效管理信息化最佳产品奖”
- File Provider
- 【论文笔记】基于 VR 的移动机器人真实环境三维建模系统
- URL传参时 从URL中获取中文参数的方法
- python opencv图像处理教程 github_python图像处理工具pillow opencv等练习1 旋转