Hodnotenie:
Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 2 hlasoch.
Visual Domain Adaptation in the Deep Learning Era
Riešenie problémov pomocou hlbokých neurónových sietí sa zvyčajne spolieha na obrovské množstvo označených trénovaných údajov, aby sa dosiahol vysoký výkon/b>. Hoci v mnohých situáciách je možné generovať a často aj sú k dispozícii obrovské objemy neoznačených údajov, náklady na získanie označených údajov zostávajú vysoké.
Transferové učenie (TL), a najmä doménová adaptácia (DA), sa ukázalo ako účinné riešenie na prekonanie záťaže anotácie, ktoré využíva neoznačené údaje dostupné z cieľovej domény spolu s označenými údajmi alebo predtrénovanými modelmi z podobných, ale odlišných zdrojových domén. Cieľom tejto knihy je poskytnúť prehľad takýchto metód DA/TL aplikovaných na počítačové videnie, oblasť, ktorej popularita v posledných rokoch výrazne vzrástla. Predtým, ako sa budeme venovať rôznym stratégiám adaptácie domény, ktoré využívajú hlboké architektúry na vizuálne rozpoznávanie, si zopakujeme teoretické východiská a niektoré historické plytké metódy a porovnáme ich.
Predstavujeme priestor metód založených na samoučení, ktoré pri riešení adaptácie hlbokej domény čerpajú inšpiráciu z príbuzných oblastí hlbokého polosupervisovaného a samoučeného učenia. Nad rámec klasického problému doménovej adaptácie potom skúmame bohatý priestor problémových nastavení, ktoré vznikajú pri aplikácii doménovej adaptácie v praxi, ako je čiastočná alebo otvorená DA, kde sa kategórie zdrojových a cieľových údajov úplne neprekrývajú, spojitá DA, kde cieľové údaje prichádzajú ako prúd, a pod.
Ďalej sa zaoberáme najmenej reštriktívnym nastavením generalizácie domény (DG) ako extrémnym prípadom, keď počas trénovania nie sú k dispozícii ani označené, ani neoznačené cieľové údaje. Na záver sa zaoberáme vznikajúcou oblasťou učenia sa a tým, ako ju možno použiť na ďalšie zlepšenie existujúcich prístupov k problémom učenia sa naprieč doménami, ako sú DA a DG.
© Book1 Group - všetky práva vyhradené.
Obsah tejto stránky nesmie byť kopírovaný ani použitý čiastočne alebo v celku bez písomného súhlasu vlastníka.
Posledná úprava: 2024.11.13 22:11 (GMT)