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
- python画动态图代码-Python使用matplotlib画动态图
- django之jquery完成ajax
- PAT Basic 1002
- 关于CRM库存初始化的一点小总结
- C++通过文件读写保存用户注册登录信息
- select 居右对齐
- vue安装axios以及如何使用axios
- SQL的多表查询(笛卡尔积原理)
- 数据中心机房搬迁施工技术方案
- BTA | 量子链帅初:区块链的开发很漫长,技术突破要有十年心理预期
- AD生成BOM表/元器件表
- excel 公式常见错误怎么处理
- Linux下各压缩工具的解压压缩命令
- 负数十进制转换二进制
- (ASCII代码 )密码破译
- 一种高效自然光供电的6LoWPAN无线传感节点
- Scrum立会报告+燃尽图(十二月十日总第四十一次):用户推广
- 手电筒安卓_iPhone手电筒只能照明?这两个隐藏技巧一定要会,事半功倍!
- 十进制转化成二、八、十六进制的一个小程序
- 项目三:爬取视频磁力链接