类推方法

论文题目:Learning to learn image classifiers with visual analogy

会议期刊:CVPR2019

开放集领域自适应调研

Open Set Domain Adaptation 论文列表:ChenJinBIT/OSDA

Deep Embedded Validation 非监督领域自适应的模型选择方法

论文题目:Towards Accurate Model Selection in Deep Unsupervised Domain Adaptation

论文作者:Kaichao You, Ximei Wang, Mingsheng Long, Michael I. Jordan

会议期刊:ICML2019

组会介绍:领域自适应

一 Domain Adaptation

  • 计算机视觉中的一个重要问题
  • CVPR2019的1294个收录的论文中,以domain adaptation为关键字有26篇,以transfer为关键字有39篇

AMC S2E15 Slide:CLAN

论文题目:CLAN:Category-level Adversaries for Semantics Consistent Domain Adaptation

论文作者:Yawei Luo, Liang Zheng, Tao Guan, Junqing Yu, Yi Yang

会议期刊:CVPR2019(Oral)

Almost Unsupervised Text to Speech and Automatic Speech Recognition



AI精准模仿你的声音

PyTorch官方Seq-to-Seq Network Attention 机器翻译指导

没任何技术含量,按照官方tutorial写的代码。地址:github
文章就只写了这个官方教程中,关于部分网络结构里面的一些维度问题

Learning Smooth Representation for Unsupervised Domain Adaptation

文章提出了一个local smooth discrepancy,局部平滑差异。实验证明这是领域适应上一个有效的 评价体系

文本分类小作业

本文是春季课程“自然语言处理与应用”文本分类作业的简单记录,关于文本分类方面上,知乎上很多很好的文章:知乎“看山杯”夺冠记用深度学习(CNN RNN Attention)解决大规模文本分类问题,对写这个作业帮助也很大。

多源自适应-深度鸡尾酒网络代码

置信度

论文中,置信度计算公式:
$$
\sum_{c \in \mathcal{C}_{s_{j}}} \frac{\mathcal{S}_{c f}\left(x^{t} ; F, D_{s_{j}}\right)}{\sum_{c \in \mathcal{C}_{s_{k}}} \mathcal{S}_{c f}\left(x^{t} ; F, D_{s_{k}}\right)} C_{s_{j}}\left(c | F\left(x^{t}\right)\right)
$$
其中:
$$C_{s_{j}}\left(c | F\left(x^{t}\right)\right)$$
指的是一个样本的softmax值,这里的计算从下面的程序中得到

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×