中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
田青,朱雅喃,马闯.基于深度学习的域适应方法综述[J].数据采集与处理,2022,37(3):512-541
基于深度学习的域适应方法综述
Review on Domain Adaptation Methods Based on Deep Learning
投稿时间:2021-06-22  修订日期:2022-03-04
DOI:10.16337/j.1004-9037.2022.03.004
中文关键词:  域适应  深度对抗域适应  深度非对抗域适应  源域  目标域
英文关键词:domain adaptation  deep adversarial domain adaptation  deep non-adversarial domain adaptation  source domain  target domain
基金项目:国家自然科学基金(62176128,61702273);江苏省自然科学基金(BK20170956);模式识别国家重点实验室开放课题(202000007);模式分析与机器智能工业和信息化部重点实验室开放课题(NJ2019010);江苏省青蓝工程项目。
作者单位E-mail
田青 南京信息工程大学计算机与软件学院南京 210044
南京信息工程大学数字取证教育部工程研究中心南京210044 
tianqing@nuist.edu.cn 
朱雅喃 南京信息工程大学计算机与软件学院南京 210044
南京信息工程大学数字取证教育部工程研究中心南京210044 
 
马闯 南京信息工程大学计算机与软件学院南京 210044  
摘要点击次数: 314
全文下载次数: 6520
中文摘要:
      域适应主要应对跨不同数据分布的相似任务决策问题。作为机器学习领域的一个新兴分支,域适应受到了众多的研究和关注。随着近年深度学习的兴起,深度学习和域适应相结合的深度域适应研究得到了更多的关注。尽管已有各种深度域适应方法被提出,却鲜有系统的综述工作发表。为此,本文重点对现有的深度域适应方法进行全面回顾、分析和总结,为相关研究人员提供借鉴和参考。本文主要贡献包括以下方面:首先,对域适应的背景、概念和应用领域进行概括总结。其次,根据模型是否涉及对抗训练机制,将现有深度域适应划分为深度对抗域适应和深度非对抗域适应两大类方法,并逐类回顾和分析。然后,对常用的实验基准数据集进行归类和总结。最后,对现有深度域适应工作存在的问题和不足进行了归纳分析,并讨论了将来的可行研究方向。
英文摘要:
      Domain adaptation mainly deals with similar task decision across different data distributions. As an emerging branch of machine learning, domain adaptation has received much attention. With the rise of deep learning in recent years, the deep domain adaptation paradigm, as a combination of deep learning and traditional domain adaptation, has attracted more and more research. Although a variety of deep domain adaptation methods have been proposed, few systematic reviews have been published. To this end, this paper definitely reviews and analyzes the existing deep domain adaptation work and summarizes them to provide reference for relevant researchers. In conclusion, the main contributions of this work include the following aspects. Firstly, the background, concepts and application fields of domain adaptation are summarized. Secondly, according to whether the model training involves adversarial mechanism, we group the existing deep domain adaptation methods into two categories, such as deep adversarial domain adaptation and deep non-adversarial domain adaptation, and review and analyze them, respectively. Then, the benchmark datasets commonly used in the domain adaptation research are tabulated with profiles. Finally, the issues suffered in the existing deep domain adaptation work are summarized and analyzed, and future research directions are given.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第2826579位访问者 本站今日一共被访问828

技术支持:北京勤云科技发展有限公司