인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
학술저널
Full-text AI
오류 신고하기해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
Existing deep learning requires a significant amount of training data to adapt to new testing environments. Furthermore, to compose significant amount of information of the training data, the architecture of deep learning becomes complicated with the necessity of an enlarged model size. To address these challenges, we propose a novel framework to utilize simulated images for real-world applications to reduce the labeling cost for real images. However, because these simulated images have significant discrepancies from images collected in the field, such as resolution, texture, and focal length issues, it is challenging to learn meaningful representations from these simulated images. Unsupervised domain adaptation (UDA) has been employed to overcome this challenge; however, previous UDA methods require a large computational complexity to reduce the gap between the simulated and real images. To address this issue, we integrate the UDA scheme with network compression, and obtain a deep learning model adapted to real images with compressed computation. We perform experiments using the VISDA-2017 benchmark dataset, which validates the effectiveness of the integrated framework in real domains.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-ECN-0101-2022-688-001637741
