adaptation 第7页

《论文阅读》xMUDA: Cross-Modal Unsupervised Domain Adaptation for 3D Semantic Segmentation

留个笔记自用xMUDA:Cross-ModalUnsupervisedDomainAdaptationfor3DSemanticSegmentation做什么Instancesegmentation实例分割目标检测

未知丶丶·2023-01-12 18:51

论文阅读：Unsupervised Intra-domain Adaptation for Semantic Segmentation through Self-Supervision

UnsupervisedIntra-domainAdaptationforSemanticSegmentationthroughSelf-Supervision原文链接：点击下载文章目录UnsupervisedIntra-domainAdaptationforSemanticSegmentationthroughSelf-Supervision

CccMing、、、·2023-01-12 18:46

Unsupervised Domain Adaptation with Variational Approximation for Cardiac Segmentation

WuF,ZhuangX.Unsuperviseddomainadaptationwithvariationalapproximationforcardiacsegmentation[J].IEEETransactionsonMedicalImaging

odss·2023-01-12 18:13

高光谱图像域适应论文（一）Unsupervised Domain Adaptation With Dense-Based Compaction for Hyperspectral Imagery

前言本文主要是在ADDA的基础上采用了以Densenet为框架的特征提取器网络，需要注意的地方就是本文末Eq7,如何进行域混淆。什么是DenseNet?DenseNet中每个层都会接受其前面所有层作为其额外的输入（见图2DenseBlock），类似于ResNet。DenseNet的另一大特色是通过特征在channel维度上的连接来实现特征重用（featurereuse）。这些特点让DenseNet

shawchan9·2023-01-12 18:54

鲁棒SV--解纠缠的说话人embedding

DISENTANGLEDSPEAKEREMBEDDINGFORROBUSTSPEAKERVERIFICATION摘要speakerfeatures和冗余features的纠缠使得SV在unseen-domain表现差；为了解决这个问题，本文提出InfoMaxdomainseparation&adaptationnetwork

深海的银·2023-01-12 13:05

迁移学习——Balanced Distribution Adaptation for Transfer Learning

《BalancedDistributionAdaptationforTransferLearning》学习2017IEEEInternationalConferenceonDataMining文章目录摘要一

orokok·2023-01-12 12:37

迁移学习——Aggregating Randomized Clustering-Promoting Invariant Projections for Domain Adaptation

《AggregatingRandomizedClustering-PromotingInvariantProjectionsforDomainAdaptation》学习IEEETRANSACTIONSONPATTERNANALYSISANDMACHINEINTELLIGENCE

orokok·2023-01-12 12:37

迁移学习—— Transfer Feature Learning with Joint Distribution Adaptation

《ICCVTransferFeatureLearningwithJointDistributionAdaptation》论文学习2013IEEEInternationalConferenceonComputerVision

orokok·2023-01-12 12:36

迁移学习——Joint Geometrical and Statistical Alignment for Visual Domain Adaptation

《JointGeometricalandStatisticalAlignmentforVisualDomainAdaptation》学习2017CVPR文章目录摘要一、介绍二、相关工作2.1以数据为中心的方法

orokok·2023-01-12 12:06

迁移学习——Scatter Component Analysis

《ScatterComponentAnalysis:AUnifiedFrameworkforDomainAdaptationandDomainGeneralization》学习IEEETRANSACTIONSONPATTERNANALYSISANDMACHINEINTELLIGENCE

orokok·2023-01-12 12:06

李宏毅2022机器学习HW11解析

准备工作作业十一是域适应（DomainAdaptation），通过训练真实图片得到分类模型，并将其应用到涂鸦图片上进行分类，来获得更高的精准度。

机器学习手艺人·2023-01-12 06:42

Domain generalization 简介

一、综述最近由于交流的需要，读了几篇关于Domainadaptation的文章，其中一种名叫Domaingeneralization的技术引起了我的注意，这种技术可以在targetdomain未知的情况下训练出分类器而且性能还相当不错

qrlhl·2023-01-10 11:19

《论文阅读》Generalizing to the Open World: Deep Visual Odometry with Online Adaptation

留个笔记自用GeneralizingtotheOpenWorld:DeepVisualOdometrywithOnlineAdaptation做什么MonocularVisualOdometry单目视觉里程计相机在运动过程中连续两帧之间会存在

未知丶丶·2023-01-09 22:16

Generalizing to the Open World: Deep Visual Odometry with Online Adaptation

PapernameGeneralizingtotheOpenWorld:DeepVisualOdometrywithOnlineAdaptationPaperReadingNoteURL:https:/

kebijuelun·2023-01-09 22:09

《开源合辑-游戏/娱乐->控制台游戏》

NativeSpiritNATIVESPIRITisanadaptationofDuranik'sAtariJaguarNATIVEDEMOwithamainobjectiveofreplacingallgraphicsfromtheoriginalside-scrollingshooter

goodman1999·2023-01-09 15:06

元学习论文阅读 | CAD: Co-Adapting Discriminative Features for Improved Few-Shot Classification, CVPR2022

1motivationFEAT(CVPR2020)中提出了embeddingadaptation这个概念，具体来说就是对supportset的样本利用transformer等方式实现信息聚合，获取这些样本更好的特征

RitaRao·2023-01-08 10:07

CVPR2020 有关Cross Domain论文阅读总结与思考

有关CVPR2020中CrossDomain论文阅读总结与思考论文总结阅读思考当前的任务论文总结ProgressiveAdversarialNetworksforFine-GrainedDomainAdaptation

Leepupupu·2023-01-07 22:56

2020 Domain Adaptation 最新论文：插图速览（三）

2020DomainAdaptation最新论文：插图速览（三）目录LearningtoCombine:KnowledgeAggregationforMulti-SourceDomainAdaptationEveryPixelMatters

Phoenixtree_DongZhao·2023-01-07 22:55

最优传输论文（八）Enhanced Transport Distance for Unsupervised Domain Adaptation

前言1.将Kantorovich潜在网络进行参数化，并根据深度特征返回最优传输计划g(f(x))。用神经网络g来表示潜在特征对偶变量v，对应参数Wg,优化传输计划πε的过程转化为优化网络g的过程.对网络g进行参数优化后，利用当前参数Wg计算出最优传输距离Wε(µ，ν)。2.利用attention模块重新衡量传输距离，对距离矩阵进行重加权操作，使一个mini-batch实现真实的数据分布。3.最终，

shawchan9·2023-01-07 22:53

最优传输论文（二十四）：Reliable Weighted Optimal Transport for Unsupervised Domain Adaptation论文原理

目录前言摘要1.Introduction2.Relatedwork3.ReliableWeightedOptimalTransport3.1.ShrinkingSubspaceReliability3.2.WeightedOptimalTransport3.3.DiscriminativeCentroidExploitation3.4.Training4.实验4.1.设置4.2.实施细节4.3.R

CtrlZ1·2023-01-07 22:52

最优传输论文（二十九）：Re-weighted Adversarial Adaptation Network for Unsupervised Domain Adaptation论文原理

文章目录前言摘要1.Introduction2.RelatedWork2.1.MatchingFeatureDistributionusingAdversarialTraining（使用对抗性训练匹配特征分布）2.2.MatchingFeatureDistributionusingOT2.3.实例重新加权方案3.Model3.1.OptimalTransportinAdversarialTrain

CtrlZ1·2023-01-07 22:52

【论文阅读】Deep Cocktail Network: Multi-source Unsupervised Domain Adaptation with Category Shift

DeepCocktailNetwork:Multi-sourceUnsupervisedDomainAdaptationwithCategoryShiftSUMMARY@2020/5/12文章目录1.Methodabstractduringtraining

petSym·2023-01-07 22:20

《Transfer Adaptation Learning: A Decade Survey》阅读笔记

摘要传统机器学习的目的是通过最小化训练数据的正则化经验风险，对测试数据的最小期望风险最小的模型，但假设训练数据和测试数据具有相似的联合概率分布。TAL的目标是通过从语义相关但分布不同的源域学习知识，来建立能够执行目标域任务的模型。在经典的机器学习问题中，往往假设训练集和测试集分布一致，在训练集上训练模型，在测试集上测试。然而在实际问题中，测试场景往往非可控，测试集和训练集分布有很大差异，这时候就会

你猪头啊·2023-01-07 22:47

最优传输论文（七）Reliable Weighted Optimal Transport for Unsupervised Domain Adaptation

前言在开始今天的论文讲解之前，首先提出几个问题：1.为什么决策边缘的样本容易被错误传输？边缘样本的特征和多个类别的源域样本的特征接近，很有可能负迁移。即决策边缘的样本与源域样本建立了错误的联系，被分到了错误的类；也就是在耦合矩阵中不应该建立传输的样本间建立了传输。2.如何找到决策边缘样本？3.如何衡量样本转移的准确度？本文主要计算三个值，基于SSR的加权最优传输损失Lg，判别质心损失Lp,以及最传

shawchan9·2023-01-07 22:46

INTERSPEECH 2022｜面向零样本声音克隆的内容相关细粒度说话人表征方法

零样本说话人自适应（zero-shotspeakeradaptation），或称为零样本声音克隆，旨在根据任意一条参考语音（referencespeech）合成训练过程中从未见过的说话人（unseenspeaker

语音之家·2023-01-05 22:55

【Meta-Learning】Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

文章目录Abstract1Introduction2Model-AgnosticMeta-learning2.1Meta-LearningProblemSet-up2.2AModel-AgnosticMeta-LearningAlgorithm3ExperimentalEvaluation3.1Regression3.2Classification4DiscussionandFutureWorkA

桑戈塔的七菇凉·2023-01-03 14:20

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks相关

元学习论文总结||小样本学习论文总结2017-2019年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017-2019论文翻译：https://blog.csdn.net/weixin_41803874/article/details/91454944Thevideotutorialcanbe

TBYourHero·2023-01-03 14:50

Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks(MAML)简析

在看MAML这篇论文的时候，因为是初学者，很多都不懂，网上查了许多资料也没看明白，最后来来回回找了很多资料结合原文才看懂一些，在这简单分享一下。什么是元学习？元学习(meta-learning)已经有很多定义了，最常见的就是学习学习，即learningtolearn。这里从其他方向说一个可能不是很好但是有助于理解的定义，就是把常规的训练模型的某一个过程替换成一个可学习的模块。比如：MAML就是把模

薛定谔的哆啦B梦·2023-01-03 13:40

Knowledge Distillation for BERT Unsupervised Domain Adaptation

1、介绍KnowledgeDistillationforBERTUnsupervisedDomainAdaptation运用BERT模型和distillation技术实现源域到目标域的知识迁移，提出了一种简单而有效的无监督域适应方法

VLU·2023-01-03 09:24

2021 AAAI paper list 之域自适应 Domain Adaptation

2021AAAIpaperlist之域自适应DomainAdaptation完整的AAAI2021paperlist:https://aaai.org/Conferences/AAAI-21/wp-content

Phoenixtree_DongZhao·2023-01-03 09:24

论文笔记丨Inductive Unsupervised Domain Adaptation for Few-Shot Classification via Clustering

InductiveUnsupervisedDomainAdaptationforFew-ShotClassificationviaClusteringAbstractIntroductionMethodologyDaFeCFrameworkClusteringPromotionMechanismOverallWorkflowExperimentsAbstract

mrweiqk·2023-01-03 09:51

2021 Domain Adaptation（李宏毅

（域的转变）DomainAdaptation领域自适应学习，就是将在Adomain上学到的东西应用到Bdomain上，这个技术也可以看作是transferlearning的其中一个环节（在A任务上学到的技能可以用到

linyuxi_loretta·2023-01-03 09:20

论文：Crowdsourcing Learning as Domain Adaptation: A Case Study on Named Entity Recognition

CrowdsourcingLearningasDomainAdaptation:ACaseStudyonNamedEntityRecognition众包形成的NER数据集可以看做领域适用问题，每个标注者视为一个领域

QianTu&·2023-01-03 09:47

Contrastive Domain Adaptation for Question Answering using Limited Text Corpora

ContrastiveDomainAdaptationforQuestionAnsweringusingLimitedTextCorpora基于有限文本语料库的问答对比领域自适应codeAbstract

自然语言处理CS·2023-01-03 09:47

【论文阅读】Domain Adaptation for Deep Entity Resolution

DomainAdaptationforDeepEntityResolution摘要实体解析(ER)是数据集成的一个核心问题。

江鸟1998·2023-01-03 09:46

【学习】domain adaptation、BERT

文章目录一、domainadaptation领域适应domainshiftdomainadversarialtraining!

Raphael9900·2023-01-03 09:45

【研究生工作周报】（第九周）

学习目标：CVPR2020|几篇image-to-image论文李宏毅课程学习笔记DomainAdaptation近年图像翻译的一些先进模型：StarGANv2ALAEHIDTConSinGAN学习内容

wangyunpeng33·2023-01-02 18:49

Zero-shot Learning零样本学习论文阅读（七）——Unsupervised Domain Adaptation for Zero-Shot Learning

Zero-shotLearning零样本学习论文阅读（七）——UnsupervisedDomainAdaptationforZero-ShotLearning背景字典稀疏学习算法模型算法思路设定算法原理参考文献这篇论文运用了一个

River_J777·2023-01-02 16:02

Deep CORAL: Correlation Alignment for Deep Domain Adaptation

本篇是迁移学习专栏介绍的第十六篇论文，由BU完成发表在ECCV2016上。Abstract深度神经网络能够从大量标记的输入数据中学习强大的表示，但是它们不能很好地概括输入分布的变化。提出了一种域自适应算法来补偿由于域移动而导致的性能下降。在本文中，我们解决了目标域未标记的情况，需要无监督的自适应。CORAL[1]是一种非常简单的无监督域自适应方法，它用线性变换对源和目标分布的二阶统计量进行对齐。在

gdtop818·2023-01-02 14:05

从ICCV 2021看域泛化与域自适应最新研究进展

PaperWeekly·2023-01-01 09:56

大场景3D点云领域自适应论文

这里主要分为两类：1）真实数据集之间迁移；2）从仿真数据到真实数据的迁移；一真实数据集之间迁移##论文1：Cross-SensorDeepDomainAdaptationforLiDARDetectionandSegmentation

Tony2wang·2022-12-31 09:27

粗读Task Driven Generative Modeling forUnsupervised Domain Adaptation:Application to X-ray Image Seg

本文利用两个GAN网络，让计算机能够转换X光图像和由CT得到DRR图像。第一步，由三维CT图像得到2D的DRR图像，并为DRR配对标签。之后，用DRR图像和标签训练一个DI2I(DenseImagetoImage)网络模型。作者图没画好，真实X光到虚假DRR再到重建X光那里，经过的网络应该是先G2再G1然后，在TD-GAN阶段，训练两个GAN，G1是将真实的DRR图像变为生成的X光图像，G2是将真

格里芬阀门工·2022-12-30 09:34

Multi-source Distilling Domain Adaptation

1.motivation本文也是为了解决multi-sourcedomainadaptation的问题，作者认为以前的MDA方法存在以下的问题：为了学习到domaininvariantfeature,牺牲了特征提取器的性能

xpc_buaa·2022-12-27 22:33

【论文总结】 Multi-source Domain Adaptation (持续更新)

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录Single-sourceDAvsMulti-sourceDAPaperI:AligningDomain-specificDistributionandClassifierforCross-domainClassificationfromMultipleSources(AAAI'19)ProblemFormulationMet

_孤鸿寄语_·2022-12-27 22:02

[论文翻译]数据集的domian问题:Intramodality Domain Adaptation Using Self Ensembling and Adversarial Training

论文pdf下载:链接IntramodalityDomainAdaptationUsingSelfEnsemblingandAdversarialTraining使用自集成和对抗性训练的模式域内适应Abstract.Advancesindeeplearningtechniqueshaveledtocompellingachievementsinmedicalimageanalysis.However

玖零猴·2022-12-27 21:28

Multi-Source Domain Adaptation 多源域适应最新论文集合

Multi-SourceDomainAdaptation最新论文集合[ICCV2019]MomentMatchingforMulti-SourceDomainAdaptation[paper][github

Phoenixtree_DongZhao·2022-12-27 21:57

最优传输论文（二十五）：Multi-Source Distilling Domain Adaptation论文原理

CtrlZ1·2022-12-27 21:53

最优传输论文（六）Multi-Source Distilling Domain Adaptation

前言本文提出了一种多源域适应方法，方法分为四步：1.为每个源域分别训练特征提取器和分类器。2.学习目标编码器FTi将目标特征映射到源域空间。类似于GAN对抗训练方式，1）训练Di来最大化从FTi编码后的目标特征和源特征的Wasserstein距离，目的是将源域目标域特征进行区分。2）训练FTi来使Di出错，最小化FTi编码后目标特征和源特征的Wasserstein距离，将二者进行混淆3.选取Was

shawchan9·2022-12-27 21:42

去雨去雾资料整理

CVPR2020｜图像重建(超分辨率，图像恢复，去雨，去雾，去模糊，去噪等)相关论文汇总https://www.cnblogs.com/Kobaayyy/p/13163056.html#domain-adaptation-for-image-dehazing

Hz_xi·2022-12-27 21:29

基于脑电信号的情绪识别-论文学习

AreviewofEEGfeaturesforemotionrecognition》论文题目：《EEG-BasedEmotionRecognitionUsingDeepLearningNetworkwithPrincipalComponentBasedCovariateShiftAdaptation

ipv-tao·2022-12-26 12:28

推荐频道

adaptation