- 1、本文档共74页,其中可免费阅读23页,需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要
图像分类是计算机视觉方向的重要分支之一,近年来成为人们的重点研究
领域。一般的图像分类方法通常假设训练样本和测试样本服从相同的数据分布,
这是通过训练数据获得的模型能够在测试集上获得好的效果的一个基本保障。
但在现实情况中,测试集通常是无标记数据,其数据特征可能不同于训练集的
数据特征。因此,对来自不同数据集的样本进行学习分类,是图像分类工作需
要解决的主要问题。但现有算法存在一定的问题,如领域自适应差,分类器偏
向明显等。如果使用重新获取数据、重新训练模型的方法,将会耗费大量的时
间,而且
文档评论(0)