期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向特征生成的无监督域适应算法
1
作者
吴子锐
杨之蒙
+3 位作者
蒲晓蓉
徐杰
曹晟
任亚洲
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2022年第4期580-585,607,共7页
针对无标签高维图像分类问题,常用的深度网络在无标签的情况下难以产生好的分类结果。为此,提出一种面向特征生成的无监督域适应模型(Feature-GAN),它以一种无监督的方式在特征层面学习从一个域到另一个域转换,将源域图像特征映射为目...
针对无标签高维图像分类问题,常用的深度网络在无标签的情况下难以产生好的分类结果。为此,提出一种面向特征生成的无监督域适应模型(Feature-GAN),它以一种无监督的方式在特征层面学习从一个域到另一个域转换,将源域图像特征映射为目标域图像特征并保持标签信息,生成的带标签特征可用于目标域特征的分类训练。该模型在复杂图像域适应上避免了图像本身的生成过程,而专注于特征生成,易训练且稳定性高。实验表明,该方法可以广泛应用于复杂图像分类的场景,相比于传统基于样本生成的无监督域适应算法,该算法在精确度、收敛速度以及稳定性上均有提高。
展开更多
关键词
生成对抗网络
图像分类
迁移学习
无监督域适应
下载PDF
职称材料
题名
面向特征生成的无监督域适应算法
1
作者
吴子锐
杨之蒙
蒲晓蓉
徐杰
曹晟
任亚洲
机构
电子科技大学计算机科学与工程学院
电子科技大学广东电子信息工程研究院
出处
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2022年第4期580-585,607,共7页
基金
国家自然科学基金(61806043)
四川省科技计划(2021YFS0172,2020YFS0119)
+1 种基金
广东省基础与应用基础研究基金(2020A1515011002)
中央高校基本科研业务费(ZYGX2021YGLH022)。
文摘
针对无标签高维图像分类问题,常用的深度网络在无标签的情况下难以产生好的分类结果。为此,提出一种面向特征生成的无监督域适应模型(Feature-GAN),它以一种无监督的方式在特征层面学习从一个域到另一个域转换,将源域图像特征映射为目标域图像特征并保持标签信息,生成的带标签特征可用于目标域特征的分类训练。该模型在复杂图像域适应上避免了图像本身的生成过程,而专注于特征生成,易训练且稳定性高。实验表明,该方法可以广泛应用于复杂图像分类的场景,相比于传统基于样本生成的无监督域适应算法,该算法在精确度、收敛速度以及稳定性上均有提高。
关键词
生成对抗网络
图像分类
迁移学习
无监督域适应
Keywords
GAN
image classification
transfer learning
unsupervised domain adaptation
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向特征生成的无监督域适应算法
吴子锐
杨之蒙
蒲晓蓉
徐杰
曹晟
任亚洲
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部