← 返回卡片

原书出处

深度学习详解

13 迁移学习 13.3 领域泛化

核验版本的摘录快照 · 导入于 2026-11-21T12:46:32.560Z

对目标领域一无所知,而且并不是要适应到某特定领域的问题通常称为领域泛化.领域泛化分为两种情况.一种情况是训练数据非常丰富,包含各个不同的领域,而测试数据只有一个领域.如图13.10(a)所示,假设要做猫狗的分类器,训练数据里面有猫和狗的真实照片,也有猫和狗的素描画,还有猫和狗的水彩画,我们期待因为训练数据有多个领域,模型可以学会弥补领域之间的差异. 当测试数据是猫和狗的卡通图片时,模型也可以处理,具体细节见论文“Domain Generalization with Adversarial Feature Learning”[9] .另一种情况如图13.10(b)所示,训练数据只有一个领域,而测试数据包含多个不同的领域. 虽然只有一个领域的训练数据,但我们可以使用数据增强的方法产生多个领域的训练数据,具体细节见论文“Learning to Learn Single Domain Generalization”[10].

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter13.xhtml

EPUB SHA-256:35d2d4b7de742e0ce7756e7fb57c534014bf33cecdf0483a75e23cb7446cb7dc