期刊信息
 

刊名:智能城市
曾用名:现代生活用品
主办:辽宁省科学技术情报研究所
主管:辽宁省科学技术厅
ISSN:2096-1936
CN:21-1602/N
语言:中文
周期:半月刊
影响因子:0
被引频次:9440
数据库收录:
国家哲学社会科学学术期刊数据库;期刊分类:自科综合
期刊热词:
施工技术,建筑工程,城市,高速公路,建筑,施工管理,水利工程,智慧城市,建筑设计,大数据,施工技术,建筑工程,施工管理,大数据,城市,公路工程,物联网,城市轨道交通,BIM技术,人工智能,智慧城市,智能建筑,BIM技术,城市,BIM,城市建设,物联网,智能化,智能设计,城市规划,

现在的位置:主页 > 期刊导读 >

计算机软件及计算机应用论文_基于无监督域自

来源:智能城市 【在线投稿】 栏目:期刊导读 时间:2021-09-04 09:46

【作者】网站采编

【关键词】

【摘要】文章摘要:作为工业互联网的典型实例之一,车联网技术近年来飞速发展,其核心在于信息的互联互通.因此,精准、可迁移的环境信息感知能力是其稳定运行的前提之一.深度学习的进步推动

文章摘要:作为工业互联网的典型实例之一,车联网技术近年来飞速发展,其核心在于信息的互联互通.因此,精准、可迁移的环境信息感知能力是其稳定运行的前提之一.深度学习的进步推动了计算机视觉任务的发展,但基于传统深度学习的方法仍存在训练过程对人工标注数据依赖强、场景泛化能力较差的弊端.而对于计算机视觉任务来说,训练数据的真值标签获取较难,因此如何提升模型的迁移能力,缓解训练对人工标注的依赖受到了学界的广泛关注.无监督域自适应方法使用深度学习模型进行特征提取和对齐,使得深度学习模型在不同域间迁移时仍能保证良好的性能,在计算机视觉任务中发挥了重要作用.因此,本综述主要聚焦无监督域自适应方法在一些典型计算机视觉任务中的挑战和应用.首先,介绍了基于深度学习的无监督域自适应方法的定义、重要意义、应用难点、基本方法和相关数据集.然后,分别针对典型计算机视觉任务介绍了无监督域自适应方法在其中的应用.最后,进行了总结和展望.

文章关键词:无监督域自适应,计算机视觉,深度学习,迁移学习,自主系统,

项目基金:国家自然科学基金基础科学中心项目(批准号:61988101),国家杰出青年科学基金(批准号:61725301),高等学校学科创新引智计划(编号:B17017),中央高校基本科研业务费专项资金(编号:222202117006)资助,《智能城市》 网址: http://www.zncszz.cn/qikandaodu/2021/0904/1826.html

上一篇:智慧城市应急决策情报体系构建研究
下一篇: 计算机软件及计算机应用论文_基于全卷积神经

智能城市投稿 | 智能城市编辑部| 智能城市版面费 | 智能城市论文发表 | 智能城市最新目录
Copyright © 20019-2020 智能城市 版权所有
投稿电话: 投稿邮箱: