对抗网络实现特征迁移技术路线

对抗网络实现特征迁移技术路线:

特征提取器目标:

将源域和目标域样本输入,目标是使得提取的特征与域无关,同时能够正确分类

分类器目标:

训练源域模型

  • 损失函数的目的是:预测的源域分类器标签与真实标签相差尽可能小

域判别器目标:

将源域特征和目标域特征尽可能区分

  • 目标是:分清楚源域与目标域
  • 损失函数的目的是:预测的源域判别标签真实域标签相差尽可能小

最终目标:

通过特征提取器和域判别器之间相互对抗,训练出一个能够提取域不敏感同时有很好分类能力的特征

  • 测试:目标域测试
  • 目标:使用训练好的源域分类器,将目标域特征输入得到的标签与真实标签对比,分类尽可能的高

在这里插入图片描述

版权声明:本文为CSDN博主「小白学习记录」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/feverfew1/article/details/121949567

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

YOLOX:高性能目标检测的最新实践 | 报告详解

近年来,目标检测的工程应用研究中,YOLO系列以快速响应、高精度、结构简单以及容易部署的特点备受工程研究人员的青睐。同时,YOLO系列存在需要手工设定样本正负导致模型泛化能力较差的问题。为了解决此类问题

YOLOX训练自己的数据集,txt形式

YOLOX官方支持训练VOC和COCO数据集,但习惯了Yolov3~v5的txt加载数据集,尤其是训练自己的数据集时,标签写入txt文本更方便些,但是YOLOX官方要你自己写&#xff0c