没有合适的资源?快使用搜索试试~
我知道了~
文库首页
课程资源
讲义
Deep Transfer Network: Unsupervised Domain Adaptation
Deep Transfer Network: Unsupervised Domain Adaptation
transfer
learning
需积分: 44
41 下载量
65 浏览量
2017-02-09
10:36:33
上传
评论
收藏
991KB
PDF
举报
温馨提示
立即下载
Deep Transfer Network: Unsupervised Domain Adaptation
资源推荐
资源评论
domain adaptation
浏览:27
域适应的经典文章,cvpr,强化学习,迁移学习,核函数匹配
DANN:通过反向传播进行无监督域自适应(链接器实现)
浏览:188
链条机 实现 环境 Ubuntu 14.04 LTS 带有Anaconda3 4.2.0的Python 3.5.2 外部图书馆 图书馆 版本 链条机 2.0.0 杯状的 1.0.0 麻木 1.14 数据集 资料来源:MNIST 目标:MNIST-M 数据集链接: MNIST-M原始链接(项目挂钩): 实施结果 验证数据:目标数据(无训练数据)。 训练数据(源/目标) 精度(纸 精度
Learning transferable features with deep adaptation networks.pdf
浏览:68
Learning transferable features with deep adaptation networks.pdf,仅能供参考
domain-transfer-network, 无监督交叉域图像生成的TensorFlow实现.zip
浏览:102
domain-transfer-network, 无监督交叉域图像生成的TensorFlow实现 域传输网络( DTN )无监督交叉域图像生成的TensorFlow实现。 要求python 2.7TensorFlow 0.12scipy用法克隆存储库$ git clone https://githu
第二十四篇——Unsupervised Domain Adaptation by Backpropagation.pdf
浏览:173
顶级的深层架构是在大量标记数据上训练的。在某项任务缺少标记数据时,域适应通常提供了一个有吸引力的选择,因为可以获得性质相似但来自不同领域的标记数据(例如合成图像)。在此,我们提出了一种新的领域适应方法,该方法可以训练来自源域的大量标记数据和来自目标域的大量未标记数据(不需要标记的目标域数据)。随着训练的进行,该方法促进了“深度”特征的出现,这些特征(i)对源域上的主要学习任务具有区分能力,(ii)
Unsupervised Domain Adaptation by Backpropagation.pdf
浏览:144
Unsupervised Domain Adaptation by Backpropagation.pdf
【深度域适配】二、利用DANN实现MNIST和MNIST-M数据集迁移训练
浏览:168
5星 · 资源好评率100%
前言 在前一篇文章【深度域适配】一、DANN与梯度反转层(GRL)详解中,我们主要讲解了DANN的网络架构与梯度反转层(GRL)的基本原理,接下来这篇文章中我们将主要复现DANN论文Unsupervised Domain Adaptation by Backpropagation中MNIST和MNIST-M数据集的迁移训练实验。 该项目的github地址为:DANN-MNIST 一、MNIST和
(原文+译文)DeepSubdomainAdaptationNetworkforImageClassification(用于图像分类的深度子域自适应网络)
浏览:37
Deep Subdomain Adaptation Network for Image Classification(用于图像分类的深度子域自适应网络)王晋东2020年最新文章全文翻译。 对于没有标记数据的目标任务,域适应可以将知识从不同的源域迁移过来。以往的深度域适应方法主要是学习全局的域迁移,即对齐源域和目标域的全局分布,而不考虑同一类别不同域中的两个子域之间的关系,在没有捕捉到细粒度信息的情
Unsupervised-Adaptation-for-Deep-Stereo:“用于深度立体声的无监督自适应”的代码-ICCV17
浏览:72
无监督适应深度立体声 “用于深度立体声的无监督自适应”的正式代码-ICCV17( ) 这是用于ICCV17论文的原始caffe实现,此后我们还开发了一个更易于处理的tensorflow实现,可在以下位置找到: : 。 (免责声明:在tensorlfow上训练的Dispnet的性能比原始的差一些,请采取相应措施) 该代码旨在由Mayer等人插入DispNet, 为代码,请引用我们的论文:
transferlearning, Everything about Transfer Learning and Domain Adaptation--迁移学习.zip
浏览:4
transferlearning, Everything about Transfer Learning and Domain Adaptation--迁移学习
Sequence-to-sequence Domain Adaptation Network for Robust Text Image Recognition
浏览:167
简介 Domain adaptation 可以解决不同域之间的偏移的问题。之前大多数的工作都没有考虑连续序列的问题,都是对于单一内容的。这篇文章中,作者提出了一个SSDAN的网络来做文本识别。其中的gateed attention similarity用来将源域和目标域的字符特征分布来对齐。对文本识别带来提升。 domain adaptation的好处 如何训练一个鲁棒的识别器能够很好地识
Everything about Transfer Learning and Domain Adaptation--迁移学习
浏览:39
Everything about Transfer Learning and Domain Adaptation--迁移学习
feat2vec:NAACL 论文代码“Unsupervised Multi-Domain Adaptation with Feature Embeddings”
浏览:165
特征嵌入 作者:易扬 联系方式: 基本说明 Python 代码 NAACL 2015 论文: ICLR 2015 论文:。 要求 安装 pip install --upgrade gensim 如果您想要此工具的更快版本,您可能还想 安装 pip 安装 cython 通过运行编译代码 python setup.py build_ext --inplace 演示 可以使用将特征嵌入保存到 tx
美颜算法( Deep Localized Makeup Transfer Network)
浏览:165
基于深度学习的美颜算法论文。In this paper, we propose a novel Deep Localized Makeup Transfer Network to automatically rec- ommend the most suitable makeup for a female and synthesis the makeup on her face.
A Survey on Deep Domain Adaptation for LiDAR Perception.zip
浏览:62
A Survey on Deep Domain Adaptation for LiDAR Perception.zip
论文笔记:Cluster Alignment with a Teacher for Unsupervised Domain Adaptation
浏览:8
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,一方面加快了聚类的速度,同时最主要的就是实现了不同源域之间的结构的细粒度对齐,从而促进 UDAUDAUDA 算法的性能。 Introduction
Joint Feature and Labeling Function Adaptation for Unsupervised Domain Adaptation.pdf
浏览:40
Joint Feature and Labeling Function Adaptation for Unsupervised Domain Adaptation.pdf
Unsupervised-Domain-Adaptation-with-Differential-Treatment:[CVPR 2020]东西区别对待
浏览:188
东西的差异处理:语义分割的一种简单的无监督域自适应方法 该存储库适用于CVPR2020接受的以下论文中介绍的Stuff Instance Matching(SIM)框架 ,,, ,, ,和 介绍 在这项工作中,我们通过减轻源域(合成数据)和目标域(实际数据)之间的域迁移来考虑语义监督的无监督域自适应问题。 最新的方法证明执行语义级别的对齐有助于解决域转换问题。 基于观察发现,东西类别通常在不同域的
A Survey on Deep Domain Adaptation for LiDAR Perception.pdf
浏览:151
A Survey on Deep Domain Adaptation for LiDAR Perception.pdf
A Survey on Deep Domain Adaptation and Tiny Object Detection Cha
浏览:30
5星 · 资源好评率100%
A Survey on Deep Domain Adaptation and Tiny Object Detection Challenges, Techniques and Datasets.zip
matlab说话代码-Visual-VAD-Unsupervised-Domain-Adaptation:Tensorflow和Matlab代
浏览:143
matlab说话代码这些论文的Tensorflow和Matlab代码: * * 概述 该存储库中的代码允许 使用用于网络初始化的预训练权重训练ResNet50模型 使用训练有素的ResNet50模型进行语音活动检测(VAD)标签:0:不说话,1:说话 测试性能评估是根据“真阳性”,“真阴性”,“假阳性”和“假阴性”率以及F1分数 将fc特征提取并保存到垫中。 文件 使用提取的fc特征训练和测试无监
A Survey on Deep Domain Adaptation and Tiny Object Detection
浏览:102
A Survey on Deep Domain Adaptation and Tiny Object Detection Challenges, Techniques and Datasets.pdf
几何感知的无监督域自适应_Geometry-Aware Unsupervised Domain Adaptation.pdf
浏览:138
几何感知的无监督域自适应_Geometry-Aware Unsupervised Domain Adaptation.pdf
Unsupervised Deep Transfer Feature Learning for Medical Image Classification
浏览:105
Unsupervised Deep Transfer Feature Learning for Medical Image Classification Unsupervised Deep Transfer Feature Learning for Medical Image Classification Unsupervised Deep Transfer Feature Learning fo
Unsupervised Multi-Source Domain Adaptation Without Access.pdf
浏览:63
5星 · 资源好评率100%
Unsupervised Multi-Source Domain Adaptation Without Access to Source Data
Vector Davinci官方帮助配置使用手册(AutoSAR).pdf
浏览:142
5星 · 资源好评率100%
Vector官方帮助文档,配置使用手册。从新建DaVinci工程开始一步一步的讲解如何配置工程;如何编译生成C代码;如何导入CDD、DBC等文件。手册讲解细致,可以说是手把手教学了
c++入门,核心,提高讲义笔记
浏览:110
5星 · 资源好评率100%
最详细的c++入门,核心,提高讲义笔记,看会成为大佬没问题,下载后有疑问请私信。
数字图像处理 冈萨雷斯 课后习题
浏览:186
数字图像处理 冈萨雷斯 第三版 课后习题。 免费下,没积分的朋友们,免费下。 百度文库网页链接转出来的,清晰,内容可能不太全,没积分的朋友们将就看吧。
离散数学及其应用 第八版 奇数编号练习答案.pdf
浏览:67
4星 · 用户满意度95%
离散数学及其应用 第八版本科教学版答案,有需要其他版本到的还可以去华章图书官网下载 地址:http://www.hzbook.com/
科研伦理与学术规范 期末考试2 (40题).pdf
浏览:71
科研伦理与学术规范 期末考试2 (40题)
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~
联系上传者
评论
xf__mao
粉丝: 841
资源:
10
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场,查看用户热搜
最新资源
课程作业基于python的多AGV路径规划算法研究源码.zip
顺序表的链式存储11111111
基于python核学习的终端用户识别算法的设计与实现(鼠标、键盘)
基于python深度学习的智能监考系统的实现与设计
基于目标检测工地安全帽和禁入危险区域识别系统
微信小程序 智能购物车应用 - 一站式购物管理助手
MATLAB粒子群算法求解高维度的优化问题
闯关小游戏,小心尖刺欧!!!
基于python的网络爬虫的外媒新闻分类统计工具的设计与实现
微信小程序源码 仿苹果计算器App - 体验Mac风格计算功能
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功