上传者: 42170790
|
上传时间: 2021-12-19 15:56:29
|
文件大小: 2.75MB
|
文件类型: -
在PyTorch上进行深度转移学习
这是用于深度迁移学习的PyTorch库。 我们将代码分为两个方面:单源无监督域自适应(SUDA)和多源无监督域自适应(MUDA)。 SUDA方法很多,但是我发现有一些深度学习的MUDA方法。 此外,具有深度学习的MUDA可能是领域适应性更广阔的方向。
在这里,我实现了一些深度传输方法,如下所示:
UDA
DDC:针对领域不变性的深度领域混淆最大化
DAN:通过深度适应网络学习可转让特性(ICML2015)
Deep Coral:用于深域适应的Deep CORAL相关对齐(ECCV2016)
Revgrad:通过反向传播进行无监督域自适应(ICML2015)
MRAN:用于跨域图像分类的多表示自适应网络(Neural Network 2019)
DSAN:用于图像分类的深度子域适配网络(神经网络和学习系统2020的IEEE交易)
慕达对齐特