- 1、本文档共80页,其中可免费阅读24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
近年来,随着深度学习技术的不断进步,计算机视觉在图像分类、目标检测、
深度估计等多个视觉任务上均取得了突破性的进展。传统的深度学习技术很大程
度上依赖于大量的人工标注数据,并且假设训练数据与测试数据具有相同的分布。
然而在实际应用中,数据独立同分布的假设往往并不成立,限制了深度学习模型
的泛化能力和知识复用能力,并且为特定领域制作具有大量人工标注的数据集也
不现实。使用领域适应技术,可以减小源域与目标域的数据分布差异,实现领域
不变知识的跨域迁移和复用,从而解决上述问题。本文对基于对抗思想的深度域
文档评论(0)