일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- CycleGAN
- WGAN
- dann paper
- CoMatch
- semi supervised learnin 가정
- UnderstandingDeepLearning
- SSL
- Entropy Minimization
- ConMatch
- adamatch paper
- conjugate pseudo label paper
- 최린컴퓨터구조
- Meta Pseudo Labels
- 딥러닝손실함수
- Pseudo Label
- 백준 알고리즘
- shrinkmatch paper
- 컴퓨터구조
- mme paper
- remixmatch paper
- Pix2Pix
- cifar100-c
- mocov3
- tent paper
- GAN
- dcgan
- shrinkmatch
- CGAN
- BYOL
- simclrv2
Archives
- Today
- Total
목록mme paper (1)
Hello Computer Vision
MME(2019) 논문리뷰
논문의 풀제목은 Semi-Supervised Domain Adaptation via Minmax Entropy이다https://arxiv.org/pdf/1904.06487.pdf Introductiontrain 과정에서 훈련한 분포와 test 과정에서의 데이터가 iid가 아니라 다른 분포에서 샘플링됐다면 이는 성능 하락으로 이어 지기 때문에 이를 대처하는 것이 중요하다. SSDA에서는 많은 labeled source data, 약간의 labeled target data, 많은 unlabeled target data가 주어지고 gap을 줄이는 것을 목적으로 한다. 이 논문에서는 Minmax entropy minimization을 사용하여 이를 해결하려고 한다.기존 방식과 비교를 한 것인데, 기존 방식들은 ..
Domain Adaptation
2024. 3. 12. 15:37