计算机科学 > 计算机视觉与模式识别
[提交于 2012年11月20日
]
标题: 计算机视觉应用中的领域自适应
标题: Domain Adaptations for Computer Vision Applications
摘要: 统计学习理论的一个基本假设是训练数据和测试数据来自相同的潜在分布。 不幸的是,这一假设在许多应用中并不成立。 相反,在特定的“源”领域可能存在大量标记数据,而在另一个“目标”领域需要进行推理。 领域自适应方法利用两个领域的标记数据来提高目标领域中未见数据的分类效果。 在本工作中,我们回顾了各种应用领域的领域迁移学习方法,重点关注计算机视觉领域的最新工作。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.