Domain-Adaptation-Papers-and-Codes

preview
共1个文件
md：1个
需积分: 29 4 下载量 134 浏览量 2021-04-28 21:47:19 上传 评论 收藏 1KB ZIP 举报
资源详情
资源评论
评论 收藏
戴剑松
  • 粉丝: 30
  • 资源: 4603
上传资源 快速赚钱
voice
center-task 前往需求广场，查看用户热搜

相关推荐

zip

cycada_release:ICML 2018论文随附的代码

周期一致的对抗域自适应（CyCADA） 一个实施 。 如果您在研究中使用此代码，请考虑引用 @inproceedings {Hoffman_cycada2017， 作者= {Judy Hoffman和Eric Tzeng以及Taesung Park和Zhu Jun-Yan， 菲利普·伊索拉（Phillip Isola）和凯特·桑科（Kate Saenko）以及阿列克谢·埃弗罗斯（Alexei
zip

matlab说话代码-Visual-VAD-Unsupervised-Domain-Adaptation:Tensorflow和Matlab代

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
zip

dwt-domain-adaptation:论文代码“使用特征白化和共识丢失的无监督域自适应”（CVPR 2019）

用于无监督域自适应的域白化转换（CVPR 2019） 于2019年6月在加利福尼亚州长滩举行的计算机视觉与模式识别会议（ CVPR ）上发布了论文的官方PyTorch github存储库，该论文进行了。 先决条件 火炬1.0 的Python 3.5 用法 OfficeHome：在其上运行的实验数据集首先需要下载该数据集页面。 完成此步骤后，您将需要下载ResNet50预训练的检查点，该检查点在
zip

matlab信息熵代码-DA:无监督的域名适应文件和代码

matlab信息熵代码无监督域自适应 这些资源仅专注于无监督域适应（UDA），其中包括相关论文以及来自顶级会议和期刊的代码。 欢迎您随时提出任何要求。 我会尽快整理内容。 会议论文 2020年会议论文 缩写 论文标题 源链接 代码 标签 MRNet 无监督的场景适应与体内记忆正则化 Memory Regularization 2019年会议论文 缩写 论文标题 源链接 代码 标签 马丹 语义分割的
zip

自适应网站代码

自适应网站代码，pc移动两端更加自由放心的随意浏览，格式仍然完美
zip

UB2DA:该存储库为论文提供了代码----关于通用黑匣子域适配

[关于通用黑匣子域适应] 该存储库提供了有关《通用黑匣子域适配》的论文代码。 环境 Python 3.8.5，带有CUDA的Pytorch 1.4.0，Torch Vision 0.5.0和Nvidia apex库 。 有关我们的运行环境的详细信息，请参阅require.txt。 资料准备 如下准备数据目录中的数据集。 ''' ./data/Office31/amazon / ... ./
rar

domain adaptation.rar

迁移学习论文呢阅读报告：DANN、RTN、DARN、MDAN、MWGAN、WDGRL
pdf

dversarial-discriminative-domain-adaptation

基于对抗性判别式域适应（Adversarial Discriminative Domain Adaptation）是一种迁移学习方法，专注于在源域（source domain）和目标域（target domain）之间进行知识迁移时，减少源域和目标域之间特征分布的差异。...
zip

迁移学习Adversarial-discriminative-domain-adaptation

Adversarial Discriminative Domain Adaptation（ADDA）是迁移学习的一个具体应用，该框架专注于解决跨域学习问题，即在源领域和目标领域之间存在显著的数据分布差异时，如何有效地进行模型训练。 ADDA的核心思想是...
zip

SS-SFDA-Self-Supervised-Source-Free-Domain-Adaptation-for-Road-Segmentation-in-Hazardous-Environme:论文“ SS SFDA”的代码库

author={Kothandaraman, Divya and Chandra, Rohan and Manocha, Dinesh}, journal={arXiv preprint arXiv:2012.08939}, year={2020} } 目录 致谢 回购详细信息和内容 Python版本：3.7 代码结构 数据加载器 ...
zip

Unsupervised-Domain-Adaptation-with-Differential-Treatment:[CVPR 2020]东西区别对待

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...
zip

Improving neural networks by preventing co-adaptation of feature detectors

Hinton在2012年提出的Improving neural networks by preventing co-adaptation of feature detectors也就是dropout,常用于防止训练过拟合,主要是通过随机选择一部分神经元训练,而直接丢弃其他神经元.
pdf

Optimal Transport for Domain Adaptation

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
zip

MATLAB的疲劳检测代码-Domain-Adaptation-Amazon-Reviews-papers:使用亚马逊评论的关于情感分析的领域

MATLAB的疲劳检测代码亚马逊评论（四个骄傲）数据上的域适应 使用亚马逊评论的关于情感分析的领域适应论文的资源 数据集 在许多领域适应论文中都使用来进行情感分析任务。 它最初是在中使用的。...
gz

Everything about Transfer Learning and Domain Adaptation--迁移学习

Everything about Transfer Learning and Domain Adaptation--迁移学习
pdf

deep domain adaptation tutorial-small.pdf

Deep domain adaptation has emerged as a new learning technique to address the lack of massive amounts of labeled data. Compared to conventional methods, which learn shared feature subspaces or reuse .
zip

domain-adaptation-data

如果您使用任何数据，请引用OPUS，也请链接到单个数据源：作品： @InProceedings{TIEDEMANN12.463, author = {J\"org Tiedemann}, title = {Parallel Data, Tools and Interfaces in OPUS}, booktitle = {...
zip

Simple-web-Application-in-Domain-Adaptation-Using-Autoencoder

使用卷积自动编码器的域自适应 在此存储库中，我使用卷积自动编码器在Manet数据集中实现了领域适应问题。 目录 任务描述 该数据集由成对的景观和来自kaggle-set A（ ）训练图像对的Monet风格化图像组成。...
zip

transferlearning, Everything about Transfer Learning and Domain Adaptation--迁移学习.zip

领域适应（Domain Adaptation）是迁移学习的一个子领域，它关注的是当源任务和目标任务的分布不完全匹配时如何进行有效学习。在实际应用中，两个任务的分布往往存在差异，例如，图像分类任务中，训练集和测试集可能...
zip

matlab2017a代码-ImageNet-Models-on-Domain-Adaptation:ImageNet领域适应模型

and Brian D. Davison. (2020). Impact of ImageNet Model Selection on Domain Adaptation. In 2020 IEEE Winter Applications of Computer Vision Workshops (WACVW). Zhang, Y., & Davison, BD (2019). Modified
zip

text-style-transfer-with-adversarial-network-and-domain-adaptation

第三：下载手套300d 100d，并在config.py和classifier / style.py，classifier / domain.py的对应参数中添加路径。 第四：增加模式路径的相关参数，进行训练； 第五：运行classifier / style.py和域
zip

awesome-domain-adaptation:关于domian适应的令人敬畏的东西的集合

很棒的域适应 这个仓库是关于领域适应的令人敬畏的东西的集合，包括论文，代码等。随意阅读。 内容 文件 民意调查 Arxiv 迁移学习综合调查 迁移适应学习：十年调查 单一来源无监督域适应的回顾 ...
zip

mobile-adaptation-demo:一个完整的移动端尺寸适应项目

【mobile-adaptation-demo】项目是一个专为移动端设计的尺寸适应解决方案，旨在帮助开发者实现跨设备、跨屏幕的无缝适配。这个项目的核心目标是确保应用程序在不同尺寸和分辨率的移动设备上都能呈现出良好的视觉效果...
zip

matlab偏差代码-domain-adaptation:具有随机期望最大化的域自适应

domain using 'books' as source % Preprocess data: divide by standard deviation over both domains [x_src, x_tgt] = preprocess(data.x{1}, data.y{1}, data.x{2}, 'joint-std'); y = predict_adrem(x_src, ...
zip

Neural-SCL-Domain-Adaptation:CoNLL 2017年文章“用于域适应的神经结构对应学习”的代码库

title = { Neural Structural Correspondence Learning for Domain Adaptation } , booktitle = { Proceedings of the 21st Conference on Computational Natural Language Learning (CoNLL 2017) } , year
zip

AugGAN-Cross-Domain-Adaptation-with-GAN-based-DataAugmentation:利用生成对抗网络进行车辆检测的高级数据增强

语义保留图像到图像的翻译使用语义分割助手进行日夜转换图1：日夜风格转换结果比较第一行：SYNTHIA输入图像，第二行：cycle-GAN昼夜输出，第三行：Aug-GAN昼夜输出； 第4行：KITTI输入图像，第5行：cycle-GAN日夜...
pdf

Domain Adaptation for Visual Recognition

adaptation where the target domain also has partial labels, and (iii) multi-domain heterogeneous adaptation which studies the previous two settings with the source and/or target having more than one .
zip

Domain-Adaptation-Using-Convolutional-AutoEncoder

使用卷积自动编码器的域自适应 在此存储库中，我使用卷积自动编码器在Manet数据集中实现了领域适应问题。 基准线大量借鉴了以下Github链接（ ）和youtube页面（ ）。 目录 任务描述 该数据集由成对的景观和来自...
star 5星 · 资源好评率100%
zip

python-Adaptation.zip_python 均衡器_python通信_ready3rx_均衡器_均衡器Python

本项目"python-Adaptation.zip"是基于Python实现的通信系统均衡器，特别适用于ready3rx通信仿真环境。下面我们将深入探讨相关知识点。 1. Python编程：Python是一种高级编程语言，因其简洁明了的语法和丰富的库支持...
docx

2021-域自适应-医学图像分析-Domain Adaptation for Medical Image Analysis

"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...