Littérature scientifique sur le sujet « Domain adaptation, domain-shift, image classification, neural networks »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Consultez les listes thématiques d’articles de revues, de livres, de thèses, de rapports de conférences et d’autres sources académiques sur le sujet « Domain adaptation, domain-shift, image classification, neural networks ».
À côté de chaque source dans la liste de références il y a un bouton « Ajouter à la bibliographie ». Cliquez sur ce bouton, et nous générerons automatiquement la référence bibliographique pour la source choisie selon votre style de citation préféré : APA, MLA, Harvard, Vancouver, Chicago, etc.
Vous pouvez aussi télécharger le texte intégral de la publication scolaire au format pdf et consulter son résumé en ligne lorsque ces informations sont inclues dans les métadonnées.
Articles de revues sur le sujet "Domain adaptation, domain-shift, image classification, neural networks"
Wang, Xiaoqing, et Xiangjun Wang. « Unsupervised Domain Adaptation with Coupled Generative Adversarial Autoencoders ». Applied Sciences 8, no 12 (7 décembre 2018) : 2529. http://dx.doi.org/10.3390/app8122529.
Texte intégralS. Garea, Alberto S., Dora B. Heras et Francisco Argüello. « TCANet for Domain Adaptation of Hyperspectral Images ». Remote Sensing 11, no 19 (30 septembre 2019) : 2289. http://dx.doi.org/10.3390/rs11192289.
Texte intégralZhao, Fangwen, Weifeng Liu et Chenglin Wen. « A New Method of Image Classification Based on Domain Adaptation ». Sensors 22, no 4 (9 février 2022) : 1315. http://dx.doi.org/10.3390/s22041315.
Texte intégralWang, Jing, Yi He, Wangyi Fang, Yiwei Chen, Wanyue Li et Guohua Shi. « Unsupervised domain adaptation model for lesion detection in retinal OCT images ». Physics in Medicine & ; Biology 66, no 21 (22 octobre 2021) : 215006. http://dx.doi.org/10.1088/1361-6560/ac2dd1.
Texte intégralZhao, Sicheng, Chuang Lin, Pengfei Xu, Sendong Zhao, Yuchen Guo, Ravi Krishna, Guiguang Ding et Kurt Keutzer. « CycleEmotionGAN : Emotional Semantic Consistency Preserved CycleGAN for Adapting Image Emotions ». Proceedings of the AAAI Conference on Artificial Intelligence 33 (17 juillet 2019) : 2620–27. http://dx.doi.org/10.1609/aaai.v33i01.33012620.
Texte intégralZhu, Yi, Xinke Zhou et Xindong Wu. « Unsupervised Domain Adaptation via Stacked Convolutional Autoencoder ». Applied Sciences 13, no 1 (29 décembre 2022) : 481. http://dx.doi.org/10.3390/app13010481.
Texte intégralRezvaya, Ekaterina, Pavel Goncharov et Gennady Ososkov. « Using deep domain adaptation for image-based plant disease detection ». System Analysis in Science and Education, no 2 (2020) (30 juin 2020) : 59–69. http://dx.doi.org/10.37005/2071-9612-2020-2-59-69.
Texte intégralMagotra, Arjun, et Juntae Kim. « Neuromodulated Dopamine Plastic Networks for Heterogeneous Transfer Learning with Hebbian Principle ». Symmetry 13, no 8 (26 juillet 2021) : 1344. http://dx.doi.org/10.3390/sym13081344.
Texte intégralChengqi Zhang*, Ling Guan** et Zheru Chi. « Introduction to the Special Issue on Learning in Intelligent Algorithms and Systems Design ». Journal of Advanced Computational Intelligence and Intelligent Informatics 3, no 6 (20 décembre 1999) : 439–40. http://dx.doi.org/10.20965/jaciii.1999.p0439.
Texte intégralWittich, D., et F. Rottensteiner. « ADVERSARIAL DOMAIN ADAPTATION FOR THE CLASSIFICATION OF AERIAL IMAGES AND HEIGHT DATA USING CONVOLUTIONAL NEURAL NETWORKS ». ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences IV-2/W7 (16 septembre 2019) : 197–204. http://dx.doi.org/10.5194/isprs-annals-iv-2-w7-197-2019.
Texte intégralThèses sur le sujet "Domain adaptation, domain-shift, image classification, neural networks"
MAGGIOLO, LUCA. « Deep Learning and Advanced Statistical Methods for Domain Adaptation and Classification of Remote Sensing Images ». Doctoral thesis, Università degli studi di Genova, 2022. http://hdl.handle.net/11567/1070050.
Texte intégralAhn, Euijoon. « Unsupervised Deep Feature Learning for Medical Image Analysis ». Thesis, University of Sydney, 2020. https://hdl.handle.net/2123/23002.
Texte intégralChapitres de livres sur le sujet "Domain adaptation, domain-shift, image classification, neural networks"
Ramarolahy, Rija Tonny Christian, Esther Opoku Gyasi et Alessandro Crimi. « Classification and Generation of Microscopy Images with Plasmodium Falciparum via Artificial Neural Networks Using Low Cost Settings ». Dans Domain Adaptation and Representation Transfer, and Affordable Healthcare and AI for Resource Diverse Global Health, 147–57. Cham : Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-87722-4_14.
Texte intégralGarrido-Munoz, Carlos, Adrián Sánchez-Hernández, Francisco J. Castellanos et Jorge Calvo-Zaragoza. « Domain Adaptation for Document Image Binarization via Domain Classification ». Dans Frontiers in Artificial Intelligence and Applications. IOS Press, 2021. http://dx.doi.org/10.3233/faia210289.
Texte intégralActes de conférences sur le sujet "Domain adaptation, domain-shift, image classification, neural networks"
Liu, Yujie, Xing Wei, Yang Lu, Chong Zhao et Xuanyuan Qiao. « Source Free Domain Adaptation via Combined Discriminative GAN Model for Image Classification ». Dans 2022 International Joint Conference on Neural Networks (IJCNN). IEEE, 2022. http://dx.doi.org/10.1109/ijcnn55064.2022.9891979.
Texte intégralLi, Zhide, Ken Cheng, Peiwu Qin, Yuhan Dong, Chengming Yang et Xuefeng Jiang. « Retinal OCT Image Classification Based on Domain Adaptation Convolutional Neural Networks ». Dans 2021 14th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics (CISP-BMEI). IEEE, 2021. http://dx.doi.org/10.1109/cisp-bmei53629.2021.9624429.
Texte intégralPostadjian, T., A. Le Bris, H. Sahbi et C. Malle. « Domain Adaptation for Large Scale Classification of Very High Resolution Satellite Images with Deep Convolutional Neural Networks ». Dans IGARSS 2018 - 2018 IEEE International Geoscience and Remote Sensing Symposium. IEEE, 2018. http://dx.doi.org/10.1109/igarss.2018.8518799.
Texte intégralHu, Tao, Shiliang Sun, Jing Zhao et Dongyu Shi. « Enhancing Unsupervised Domain Adaptation via Semantic Similarity Constraint for Medical Image Segmentation ». Dans Thirty-First International Joint Conference on Artificial Intelligence {IJCAI-22}. California : International Joint Conferences on Artificial Intelligence Organization, 2022. http://dx.doi.org/10.24963/ijcai.2022/426.
Texte intégral