エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Domain Adaptation — About ADDA, CyCADA and MCD
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Domain Adaptation — About ADDA, CyCADA and MCD
Introduction機械学習において各データセット固有の特徴であるドメインは非常に重要です。例えば標識認... Introduction機械学習において各データセット固有の特徴であるドメインは非常に重要です。例えば標識認識において昼に撮られた標識だけを集めた学習用データセットで学習を行ったとしても、夜に撮られた標識だけを集めたテストデータに対してはうまく認識出来ないと思われます。これは下図に示すように学習データとテストデータが異なる真の分布からサンプルされているため、学習データの真の分布を仮に求められたとしてもテストデータには適用出来ないからです。このような問題に対応するためDomain Adaptationという分野があります。今回の記事では、現在まで論文化されているDomain Adaptationにおいて自分が興味を持った手法を検討した結果について述べます。 Task今回は各手法の精度比較をおこなっていくため行うタスクを統一します。Domain Adaptation論文では非常によく見られるタ