Adaptation) 第18页

CV_Daily Issue 25

CV_Daily25YangXian[2019ICCVoral+PoseEstimation]Cross-DomainAdaptationforAnimalPoseEstimation在本文中，我们对动物的姿势估计感兴趣

bryce1010·2019-09-27 10:43

Domain Adaptation论文合集

[1]ASurveyonTransferLearning:CUHK的杨强教授于2010年发表在IEEE的Transactionsonknowledgeanddataengineering上关于迁移学习的综述性论文。在许多机器学习和数据挖掘算法中，一个主要的假设是训练和未来的数据必须在相同的特征空间中，并且具有相同的分布。然而，在许多实际应用程序中，这种假设可能不成立。例如，我们有时在一个感兴趣的领

gdtop818·2019-09-24 09:41

（论文阅读）Few-shot Adaptive Faster R-CNN

方法：少镜头自适应方法（few-shotadaptationa

RF-or·2019-09-18 15:30

【迁移学习】Agile Domain Adaptation——一种平衡运算资源和速度的深度迁移学习方法

AgileDomainAdaptation背景在现在的迁移学习工作中，一直有一个矛盾：准确率和运算成本之间的矛盾。

小李好好学·2019-09-09 20:05

Domain Adaptation

原文链接：https://blog.csdn.net/u013841196/article/details/80956828DomainAdaptation在经典的机器学习问题中，我们往往假设训练集和测试集分布一致

z海清·2019-09-01 10:25

Semi-supervised Domain Adaptation via Minimax Entropy

摘要算法整个网络分为两个部分：特征提取器F：采用主流的cnn网络，去掉最后的线性分类层分类器C：k类别的线性分类器图片x先输入到F中，得到F(x)。再计算l-2范数归一化后，得到f(x)∥f(x)∥\frac{f(x)}{\Vertf(x)\Vert}∥f(x)∥f(x)。然后输入到分类器C中，得到1TWTf(x)∥f(x)∥\frac{1}{T}\frac{W^Tf(x)}{\Vertf(x)\

蜉蝣之翼❉·2019-08-25 08:57

Zero-Shot Deep Domain Adaptation[reading notes]

文章目录AbstractIntroductionRelatedworkOurProposedMethod—ZDDADomainadaptationAbstractDomainadaptation(域适应

_Summer tree·2019-08-24 15:05

关于cross-domain recommendation的论文阅读笔记

阅读笔记，持续更新…1、只用到了ratingmatrix进行建模《DARec:DeepDomainAdaptationforCross-DomainRecommendationviaTransferringRatingPatterns

like_red·2019-08-19 11:17

SPGAN：Image-Image Domain Adaptation with Preserved Self-Similarity and Domain-Dissimilarity ReID阅读笔记

Image-ImageDomainAdaptationwithPreservedSelf-SimilarityandDomain-DissimilarityforPersonRe-identification

MindAndHand·2019-08-15 16:58

Cross-Domain Weakly-Supervised Object Detection & GUI Application

github.com/ranran4082391/corss-domainCross-DomainWeakly-SupervisedObjectDetectionthroughProgressiveDomainAdaptationThispageisforthepaperappearedinCVPR2018

小然_ran·2019-07-28 17:56

Category-level Adversaries for Semantics Consistent Domain Adaptation

CVPR2019:TakingACloserLookatDomainShift:Category-levelAdversariesforSemanticsConsistentDomainAdaptation

cassiePython·2019-07-19 11:51

【算法笔记】域适应（Domain Adaptation）

//www.cnblogs.com/Terrypython/p/10645520.html1.定义在迁移学习中，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（DomainAdaptation

nymph_h·2019-07-18 10:52

【笔记】几个概念：域自适应、注意力机制和知识蒸馏

文章目录域自适应注意力机制知识蒸馏域自适应域自适应学习（DomainAdaptationLearning）能够有效地解决训练样本和测试样本概率分布不一致的学习问题。

ShuqiaoS·2019-07-09 14:14

Universal Domain Adaptation 通用域自适应笔记

背景本文介绍了一种新的迁移学习的场景。迁移学习迁移学习是指：将源域的知识迁移到目标域，用以辅助目标域训练通用域自适应本文提出一种新的场景：通用域自适应。是指源域的标签空间和目标域的标签空间有一定的交集，同时两者又有各自独立的部分。如下图左下角所示：举个例子，源域中有老虎、斑马、狮子、大象。目标域中有老虎、狮子、猫、熊猫。它们都有老虎、狮子这两个类别。源域和目标域都包含对方没有的类别。这个问题的难点

蜉蝣之翼❉·2019-07-08 09:03

翻译论文：Deep Transfer Network: Unsupervised Domain Adaptation

深度迁移网络：无监督域适应摘要介绍深度迁移网路问题定义初步匹配边缘分布匹配条件分布最终目标函数DTN的优化优化过程计算复杂度实验基于小规模数据集的域适应基于大规模数据集的域适应参数灵敏度结论摘要域适应旨在在一个数据集中训练分类器并将其应用于相关但不相同的数据集。一成功使用域适应框架是学习转换以匹配特征的分布（边缘分布），以及给定的特征的标签分布（条件分布）。在本文中，我们提出一个名为DeepTra

IS Christina·2019-07-05 23:46

AdaGraph: Unifying Predictive and Continuous Domain Adaptation through Graphs笔记

Graph-basedPredictiveDA用图连接域可学习的参数在这里插入图片描述Experiments数据集自适应图：一统零样本、增量域适应问题[pdf][supp]定义源域目标域辅助域domainadaptation

蜉蝣之翼❉·2019-07-04 15:45

MAML: Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks (模型无关的元学习用于快速适应深度网络)

目录1.摘要2.介绍2.算法2.1问题设置2.2算法3.个人理解3.1学习过程：3.2初始化4.其他5.论文链接1.摘要文章提出了一种新的元学习(Meta-learning)的算法，这种算法与模型无关，也就是说可以用于任何模型，唯一的要求就是模型是使用梯度下降的方式来训练的（至少在我接触的论文大部分都是这样子来训练的）。由于算法与模型无关，所以可以用于大量的学习问题，比如分类、回归和强化学习等。元

CaoChengtai·2019-06-28 11:29

《Weighted Maximum Mean Discrepancy for Unsupervised Domain Adaptation》源码剖析

介绍这是对论文《WeightedMaximumMeanDiscrepancyforUnsupervisedDomainAdaptation》作者在github给出的代码示例进行的分析，代码基于Caffe

WHQ_·2019-06-27 02:36

迁移学习“Importance Weighted Adversarial Nets for Partial Domain Adaptation”

ImportanceWeightedAdversarialNetsforPartialDomainAdaptation提出重要性加权对抗网络用于非监督的域适应，主要针对目标域相比源域具有的类别数较少的部分迁移学习

cv_family_z·2019-06-19 17:52

event detection with CNN 复现Event Detection and Domain Adaptation with Convolutional Neural Networks

EventDetectionandDomainAdaptationwithConvolutionalNeuralNetworks这篇文章的复现。使用的数据集是ACE2005英文。

??.0427·2019-06-15 15:57

2019cvpr迁移学习

CVPRpaperLearningtoTransferExamplesforPartialDomainAdaptationUnsupervisedVisualDomainAdaptation:ADeepMax-MarginGaussianProcessApproach

蜉蝣之翼❉·2019-06-12 16:33

《Domain Separation Networks》代码剖析

loss-taskloss-reconloss-differenceloss-similarityadd_autoencodersdecoderencodersharedencoder介绍这篇论文介绍了一个DomainAdaptation

WHQ_·2019-06-09 13:55

CVPR 2019 Oral 论文解读 | 无监督域适应语义分割

关于无监督领域自适应语义分割的论文《TakingACloserLookatDomainShift:Category-levelAdversariesforSemanticsConsistentDomainAdaptation

AI 研习社·2019-05-29 17:38

近期必读的9篇CVPR 2019【域自适应（Domain Adaptation）】相关论文和代码

最近，DomainAdaptation（域自适应）相关研究非常火热，一部分也是由于GAN、GNN以及其他一些的网络结构的启发，基于DomainAdaptation的工作在今年CVPR2019上出现了大量的论文

c2a2o2·2019-05-22 08:10

ABR研究综述 | A Survey on Bitrate Adaptation Schemes for Streaming Media Over HTTP（IEEE CST'18）阅读笔记

原文链接：https://ieeexplore.ieee.org/abstract/document/8424813主题：基于HTTP的视频码率自适应方案综述注：由于原文内容过长，省略了大部分背景内容，重点保留文章中对于各种ABR方案的介绍和评价。以下为正文笔记，大部分为翻译或总结。目录I.INTRODUCTIONII.BACKGROUNDANDDEFINITIONSA.VideoCodingSt

Green Lv·2019-05-20 17:46

【论文笔记 CVPR-2019】《Domain-Symmetric Networks for Adversarial Domain Adaptation》

摘要：无监督域自适应旨在通过源域上有标记训练数据，学习到可以适用于目标域上无标记样例的分类器。最近，通过深度域对抗方法来学习域不变特性取得了令人印象深刻的进展。尽管近年来的研究取得了一定的进展，但域自适应在较细类别水平上实现特征分布的不变性方面仍然存在一定的局限性。为此，本文提出了一种新的域自适应方法域对称网络(SymNets)。提出的SymNet是基于源和目标任务分类器的对称设计，在此基础上，我

puchapu·2019-05-19 23:33

ADDA: Adversarial Discriminative Domain Adaptation

ADDA原理理解ADDA中源域和目标域经过不同的映射来实现对齐。ADDA的目标函数包括三项：1.源域的分类误差项2.域分类器的分类误差项3.生成器在目标域的误差项1.源域的分类误差项源域数据在经过映射Ms后的分类误差最小：2.域分类器的分类误差项在源域和目标域分别经过Ms和Mt的映射后，经过域分类器进行分类，把源域和目标域的域分类问题看作二分类问题，源域的标签为1，目标域的标签为0，判别器的域分类

nekoli·2019-05-17 09:28

Multi-Adversarial Domain Adaptation

前面我们介绍完domainadaptation论文链接：Multi-AdversarialDomainAdaptation下面我们来看一篇论文《Multi-AdversarialDomainAdaptation

erciyuan_·2019-05-14 10:23

CVPR2019|Knowledge Adaptation for Efficient Semantic Segmentation

高效语义分割的知识适应论文翻译Abstract准确性和效率对语义分割任务都具有重要意义。现有的深Fcn由于一系列为了保留密集估计中需要的细节知识而存在的高分辨率featuremap。虽然通过下采样操作(例如,池化层和卷积strides)降低要素图分辨率(即应用较大的整体步幅)可以立即提高效率,但它会显著降低估计精度。为了解决这一难题,我们提出了一种针对语义分割的知识蒸馏方法,以提高具有大整体步长的

Woooooooooooooo·2019-05-11 13:37

一文看懂迁移学习：怎样用预训练模型搞定深度学习？ ——重用神经网络的结构

所谓迁移学习，或者领域适应DomainAdaptation，一般就是要将从源领域（SourceDomain）学习到的东西应用到目标领域（TargetDomain）上去。

h_l_dou·2019-05-06 10:05

CVPR2019| 百度17篇CVPR论文学习记录（包含：无人驾驶、神经网络、GAN、无监督学习、目标检测）

并着重标注了其中关键核心目录1）TakingACloserLookatDomainShift:Category-levelAdversariesforSemanticsConsistentDomainAdaptation

人工智能博士·2019-05-03 15:55

文献阅读 | 考拉基因组学研究其适应与保护

文章名称这篇文章是关于考拉基因组的研究,名称是《Adaptationandconservationinsightsfromthekoalagenome》，2018年发表在NatureGenetics。

pomela·2019-04-30 18:45

小样本学习论文--Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

文章目录一、前言二、论文解读1、概述2、主要内容2.1问题设定2.2与模型无关的元学习算法三、代码解析1、抽取数据2、MAML3、训练过程一、前言学过深度学习的同学都应该知道，深度学习算法的精度是要靠数据的量来保证的，我们人类可以在看到若干次狗的样子后，就学会如果分辨狗，但是深度学习的算法可能要看上很多次。在很多领域中，数据的获取的非常昂贵的。如果让机器能够像人类一样只需要看几次就能分辩出物体是当

smart_hang·2019-04-23 17:01

一周论文泛读总结20190415-20190421

RelationNetworkforFew-ShotLearning论文理解一种相似度学习方法将待检测图片特征与supportset图片特征连接计算相似度2Meta-Tracker:FastandRobustOnlineAdaptation

CsdnWujinming·2019-04-23 16:37

一周论文泛读总结20190415-20190421

RelationNetworkforFew-ShotLearning论文理解一种相似度学习方法将待检测图片特征与supportset图片特征连接计算相似度2Meta-Tracker:FastandRobustOnlineAdaptation

CsdnWujinming·2019-04-23 16:37

视频流（自适应算法）

读2018年IEEE/ACMTON论文LBP:RobustRateAdaptationAlgorithmforSVCVideoStreamingTip：思考问题的流程1.视频流视频流是指视频数据的传输，

dust and galaxy·2019-04-18 11:21

【论文研读】Category-level Adversaries for Semantics Consistent Domain Adaptation（cvpr2019）

原文链接：TakingACloserLookatDomainShift:Category-levelAdversariesforSemanticsConsistentDomainAdaptation作者

Always_ease·2019-04-18 10:52

【迁移学习】JDA（Joint Distribution adaptation ）小结

JDA（JointDistributionadaptation）一种联合分布自适应的方法。

小李好好学·2019-04-17 18:17

Pytorch实现正则化和Dropout

最早的Dropout可以看Hinton的这篇文章《Improvingneuralnetworksbypreventingco-adaptationoff

herosunly·2019-04-14 10:02

Maximum Classifier Discrepancy for Domain Adaptation 代码

代码地址解析语义分割域适应的代码训练模型pythonadapt_trainer.pygtacity--netdrn_d_105adapt_trainer.py文件阅读20-23解析命令行参数，用到:segmentation/argmyparse.py命令行解析选择网络drn_d_105:49行get_models定位到model_util.py；33行参数drn定位到dilated_fcn.pyr

蜉蝣之翼·2019-04-04 10:45

域适应（Domain adaptation）

http://www.cnblogs.com/Terrypython/p/10645520.html定义在迁移学习中，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（DomainAdaptation

dfql83704·2019-04-02 21:00

品牌死于促销

在心理学上这种现象叫做“感觉适应sensoryadaptation”。心理学感觉适应（图）当刺激接收者暴露于持续刺激当中，接收者会自动调节，所以敏感度会下

鹿小其·2019-03-28 23:07

【论文笔记】迁移自适应学习综述

论文题目：《TransferAdaptationLearning:ADecadeSurvey》论文作者：LeiZhang论文链接：http://cn.arxiv.org/pdf/1903.04687.pdf

weixin_30480651·2019-03-28 12:00

Cost-effective training of deep CNNs with active model adaptation

KDD2018，作者：Sheng-JunHuang,Jia-WeiZhao,Zhao-YangLiu将论文中的主要算法流程翻译过来，方便以后使用注：这不是标准的算法流程，为了方便，将算法中的公式直接写入到流程中了。ADMA算法流程：输入：UUU:实例nun_unu的无标签数据集M0M^0M0：预训练模型AAA：特征训练的初始化层的层号BBB：特征训练的最终层的层号ZZZ：在原任务中用来训练模型M0

木呆呆瓶子·2019-03-26 19:31

解读：Learning Generalizable and Identity-Discriminative Representations for Face Anti-Spoofing

2.将FDA(FastDomainAdaptation)整合到CNN中，以减轻domainchanges带来的影响。

dxz_tust·2019-03-18 21:16

元学习之模型无关的元学习

本次讲述的论文：Model-AgnosticMeta-LearningforFastAdaptationofDeepNetworks首先现在这里介绍一下元学习器的作用。

MSnoopy'·2019-03-16 14:52

[论文笔记]迁移自适应学习十年综述

https://arxiv.org/abs/1903.04687TransferAdaptationLearning:ADecadeSurveyAbstract我们看到的世界在不断变化，它总是随着人，事物和环境的变化而变化

一亩高粱·2019-03-14 14:52

在计算机视觉任务中摸索domain adaptation and transfer learning，新手入门浅谈心得

文中我们用DA代之domainadaptation，TL代指transferlearning。本人初涉这个领域，若下文心得有误，望各位看官老爷/娘娘海涵。

Trasper1·2019-03-12 20:05

2.7.5lattice generation and n-best search

multiplehypotheses在multi-passdecoding，DT，unsupervisedadaptation，confidenceestimation中都有应用。

qq_14962179·2019-03-10 13:28

推荐频道

Adaptation)

CV_Daily Issue 25

Domain Adaptation论文合集

（论文阅读）Few-shot Adaptive Faster R-CNN

【迁移学习】Agile Domain Adaptation——一种平衡运算资源和速度的深度迁移学习方法

Domain Adaptation

Semi-supervised Domain Adaptation via Minimax Entropy

Zero-Shot Deep Domain Adaptation[reading notes]

关于cross-domain recommendation的论文阅读笔记

SPGAN：Image-Image Domain Adaptation with Preserved Self-Similarity and Domain-Dissimilarity ReID阅读笔记

Cross-Domain Weakly-Supervised Object Detection & GUI Application

Category-level Adversaries for Semantics Consistent Domain Adaptation

【算法笔记】域适应（Domain Adaptation）

【笔记】几个概念：域自适应、注意力机制和知识蒸馏

Universal Domain Adaptation 通用域自适应 笔记

翻译论文：Deep Transfer Network: Unsupervised Domain Adaptation

AdaGraph: Unifying Predictive and Continuous Domain Adaptation through Graphs笔记

MAML: Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks (模型无关的元学习用于快速适应深度网络)

《Weighted Maximum Mean Discrepancy for Unsupervised Domain Adaptation》源码剖析

迁移学习“Importance Weighted Adversarial Nets for Partial Domain Adaptation”

event detection with CNN 复现Event Detection and Domain Adaptation with Convolutional Neural Networks

2019cvpr迁移学习

《Domain Separation Networks》代码剖析

CVPR 2019 Oral 论文解读 | 无监督域适应语义分割

近期必读的9篇CVPR 2019【域自适应（Domain Adaptation）】相关论文和代码

ABR研究综述 | A Survey on Bitrate Adaptation Schemes for Streaming Media Over HTTP（IEEE CST'18）阅读笔记

【论文笔记 CVPR-2019】《Domain-Symmetric Networks for Adversarial Domain Adaptation》

ADDA: Adversarial Discriminative Domain Adaptation

Multi-Adversarial Domain Adaptation

CVPR2019|Knowledge Adaptation for Efficient Semantic Segmentation

一文看懂迁移学习：怎样用预训练模型搞定深度学习？ ——重用神经网络的结构

CVPR2019| 百度17篇CVPR论文学习记录（包含：无人驾驶、神经网络、GAN、无监督学习、目标检测）

文献阅读 | 考拉基因组学研究其适应与保护

小样本学习论文--Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

一周论文泛读总结20190415-20190421

一周论文泛读总结20190415-20190421

视频流（自适应算法）

【论文研读】Category-level Adversaries for Semantics Consistent Domain Adaptation（cvpr2019）

【迁移学习】JDA（Joint Distribution adaptation ）小结

Pytorch实现正则化和Dropout

Maximum Classifier Discrepancy for Domain Adaptation 代码

域适应（Domain adaptation）

品牌死于促销

【论文笔记】迁移自适应学习综述

Cost-effective training of deep CNNs with active model adaptation

解读：Learning Generalizable and Identity-Discriminative Representations for Face Anti-Spoofing

元学习之模型无关的元学习

[论文笔记]迁移自适应学习十年综述

相关滤波器的文章归纳

在计算机视觉任务中摸索domain adaptation and transfer learning，新手入门浅谈心得

2.7.5lattice generation and n-best search

Universal Domain Adaptation 通用域自适应笔记