企业网站开发步骤,微信扫一扫抽红包在哪里做网站,推销一个产品的方案,龙岗网站制作新闻训练一个分类器是小问题 上难度 训练数据和测试数据不一致#xff0c;比如训练数据是黑白的#xff0c;测试时彩色的#xff0c;结果准确率非常低。 训练数据和测试数据有点差距的时候#xff0c;能不能效果也能好呢#xff1f;这就用到了领域自使用domain adptation 用一…训练一个分类器是小问题 上难度 训练数据和测试数据不一致比如训练数据是黑白的测试时彩色的结果准确率非常低。 训练数据和测试数据有点差距的时候能不能效果也能好呢这就用到了领域自使用domain adptation 用一个领域学到的知识用到另外一个领域。
Domain Shift 有多种多样的domain shift
分布频次不一样标签不一致
这里只考虑分布不一样
有标注的数据量但比较少可以通过微调的方式进行训练跑2-3个epoch小心不要过拟合 现在问题是有大量的图像但是没有标注怎么用这些没有标注的数据用来训练模型。 把颜色去掉这样就能一样训练了。
Domain Adversarial Training 把前5层当作feature extractor后5层当作label predictor。 想要有标注的数据和无标注的数据抽取后的特征在分布上没有什么差别。
特征抽取器学会愚弄领域分类器不能让特征抽取器永远输出0也需要label predictor的训练
Limitation 三角形和矩形越相近越好但如何衡量呢 考虑边界
考虑外包围 更坏的情况
只有一张甚至都不知道
一张都不知道的话就不叫domain adaptation而是domain generalization data aug 进行数据增强
