迁移学习在深度学习中的边缘分布对齐和条件分布对齐
个人理解：边缘分布对齐：源数据和目标数据输入神经网络，经过卷积池化等操作提取特征后，形成的feature map相似。条件分布对齐：不光要feature相似，还得是同类别的feature map相似，比如分类标签为1的源数据的feature map和分类标签为1的目标数据的feature map相似，而不是和分类标签为2或其他的目标数据的feature map相似。注意，迁移学习的目的之一是为少标
·
- 个人理解：
边缘分布对齐：源数据和目标数据输入神经网络，经过卷积池化等操作提取特征后，形成的feature map相似。
条件分布对齐：不光要feature相似，还得是同类别的feature map相似，比如分类标签为1的源数据的feature map和分类标签为1的目标数据的feature map相似，而不是和分类标签为2或其他的目标数据的feature map相似。 - 注意，迁移学习的目的之一是为少标签的数据添加标签，所以训练的时候不能使用目标数据的标签，这样限制了我们的操作空间、操作手段，高精度还是挺难的。
更多推荐
10
0- 0
已为社区贡献1条内容
所有评论(0)