[B! learning][loss function][domain adaptation] arxiv_readerのブックマーク

arxiv_reader id:arxiv_reader

learningとloss functionとdomain adaptationに関するarxiv_readerのブックマーク (10)

コントラストとクラスタリング: ソースフリードメイン適応のための近傍ペア表現の学習
arxiv_reader 2023/02/01
ドメイン適応は、機械学習コミュニティで大きな注目を集めていますが、ソースデータへのアクセスが必要なため、データのプライバシーに関する懸念が生じることがよくあります。したがって、これらの問題に対処し、

representation

attention

benchmark

learning

unsupervised

loss function

domain adaptation

clustering

arXiv

arXiv reaDer
リンク
医用画像セグメンテーションのためのノルムおよび形状制約を使用したソースフリーの教師なしドメイン適応
arxiv_reader 2022/09/07
教師なしドメイン適応 (UDA) は、教師あり学習に必要なグラウンドトゥルースラベルを取得するのが難しいという問題を解決するための重要なテクノロジの 1 つです。一般に、UDA は、ソースドメイ

unsupervised

arXiv reaDer

loss function

learning

domain adaptation

arXiv

segmentation

dataset
リンク
スタイルを意識した自己中間ドメインによる教師なしドメイン適応
arxiv_reader 2022/09/07
教師なしドメイン適応 (UDA) はかなりの注目を集めています。これは、ラベルが豊富なソースドメインから関連するがラベルのないターゲットドメインに知識を転送します。ドメイン間の違いを減らすことは、

domain adaptation

unsupervised

human

loss function

attention

benchmark

learning

arXiv reaDer

arXiv
リンク
敵対的ドメイン適応のためのロバストなローカル保存およびグローバルアライメントネットワーク
arxiv_reader 2022/03/09
教師なしドメイン適応（UDA）には、トレーニング中にクリーンなグラウンドトゥルースラベルが付いたソースドメインサンプルが必要です。多数のソースドメインサンプルに正確にラベルを付けることは、時間と手間が

learning

loss function

unsupervised

arXiv reaDer

adversarial

domain adaptation

arXiv
リンク
クロスドメインの人の再識別のための教師なしの自己適応技術
arxiv_reader 2022/02/08
重複しないカメラ間での人物再識別（ReID）は困難な作業であり、このため、従来技術のほとんどの作品は、異なるビューで同じ人物を照合するために、ラベル付きデータセットからの教師あり特徴学習に依存していま

re-id

dataset

arXiv reaDer

domain adaptation

unsupervised

arXiv

loss function

learning

person
リンク
ドメインアラインメントレイヤーを介したドメイン適応ネットワークの転送可能性の改善
arxiv_reader 2021/09/08
ディープラーニング（DL）は、多くのタスクで関連する結果が得られるため、さまざまなコンピュータービジョンタスクで使用される主要なアプローチです。ただし、ラベル付けされたデータが部分的またはまったくない

unsupervised

loss function

domain adaptation

learning

classification

computer vision

arXiv

arXiv reaDer
リンク
教師なしドメイン適応のための敵対的ロバスト性
広範な教師なしドメイン適応（UDA）研究は、深いモデルを使用して、ラベル付きのソースドメインとラベルなしのターゲットドメイン間で転送可能な表現を学習することにより、実際に大きな成功を収めています。ただし、これまでの作業では、実際のアプリケーションで重要な敵対的な堅牢性を考慮せずに、クリーンな例でのUDAモデルの一般化能力を向上させることに焦点を当てています。従来の敵対的トレーニング方法は、教師あり損失関数によって生成された敵対的例を使用してモデルをトレーニングするため、UDAのラベルなしターゲットドメインでの敵対的ロバスト性には適していません。この作業では、複数の堅牢なImageNetモデルによって学習された中間表現を活用して、UDAモデルの堅牢性を向上させます。私たちの方法は、UDAモデルの機能を、ドメイン適応トレーニングとともにImageNetの事前トレーニング済みモデルによって学習さ
arxiv_reader 2021/09/03
広範な教師なしドメイン適応（UDA）研究は、深いモデルを使用して、ラベル付きのソースドメインとラベルなしのターゲットドメイン間で転送可能な表現を学習することにより、実際に大きな成功を収めています。ただ

loss function

representation

arXiv reaDer

adversarial

benchmark

unsupervised

learning

domain adaptation

arXiv

pre-training
リンク
クロスドメインの人の再識別のための教師なしの自己適応技術
arxiv_reader 2021/03/23
重複しないカメラ間での人物再識別（ReID）は困難な作業であり、このため、従来技術のほとんどの作品は、異なるビューで同じ人物を照合するために、ラベル付きデータセットからの教師あり特徴学習に依存していま

domain adaptation

re-id

dataset

unsupervised

arXiv reaDer

learning

person

arXiv

loss function
リンク
複合リスクは、教師なしドメイン適応アプローチのパフォーマンスにどのように影響しますか？
arxiv_reader 2021/01/05
教師なしドメイン適応（UDA）は、ソースドメインからのラベル付きサンプルとターゲットドメインからのラベルなしサンプルを使用してターゲット分類器をトレーニングすることを目的としています。従来のUDAの学

arXiv reaDer

arXiv

loss function

unsupervised

learning

domain adaptation
リンク
均一変換、ソフト加重損失、および段階的学習を使用したフリーハンドスケッチの深い意味解析
arxiv_reader 2020/12/04
この論文では、フリーハンドスケッチの部分レベルの意味解析のための新しい深いフレームワークを提案します。これは、実質的な実用上のメリットがあることが実験的に示されている3つの主要な貢献をします。まず、ド

arXiv reaDer

dataset

learning

domain adaptation

arXiv

loss function

attention
リンク
1

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

j次のブックマーク

k前のブックマーク

lあとで読む

eコメント一覧を開く

oページを開く

設定を変更しましたx