1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 行业资料
  5. 工业设计

域泛化问题中基于Mixup与对比损失的特征转换模型.pdf

域泛化问题中基于Mixup与对比损失的特征转换模型.pdf

    1. 1、本文档共48页，其中可免费阅读20页，需付费100金币后方可阅读剩余内容。
    2. 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. 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. 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

    摘要

    近年来，随着深度神经网络的兴起，人工智能研究取得了显著发展。传统的

    深度神经网络往往基于独立同分布假设且需要大量带有标签的训练样本。当表

    示底层数据分布在训练和测试过程中发生变化时，深度神经网络的性能就会下

    降。而标记大量的数据集是非常耗时和昂贵的。为此研究者们提出了“域泛化”

    概念。域泛化方法的目的是通过只使用源域的训练数据来实现对不可见目标域

    的泛化。主流的域泛化算法倾向于在一般的特征提取网络中设计特殊的组件，

    您可能关注的文档

    最近下载

    文档评论（0）

    136****6583 + 关注
    实名认证
    内容提供者

    该用户很懒，什么也没介绍

    咨询Ta 进入空间
    版权声明书
    用户编号：7043055023000005

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >