0
100% Satisfaction Guarantee
Amazing Value
Fast Shipping
Expert Customer Service
迁移学习基础及应用
$49.11
本书可供从事机器学习、模式分类、人工智能以及相关领域研究和应用的技术研发人员参考, 也可作为相关专业的高年级本科生和研究生的教材。
...
本书系统地阐述了迁移学习的解决方法和典型应用。首先, 论述了迁移学习的基本概念、方法分类及发展历程, 介绍了迁移学习的相关基础知识。其次, 探讨了迁移学习的基本方法, 包括基于样本、基于特征、基于模型和基于关系的迁移学习方法, 阐述了深度迁移学习的经典方法, 包括神经网络自适应迁移方法和神经网络对抗迁移方法, 介绍了更加实用的部分域适应方法和开集域适应方法。后, 介绍了迁移学习在动作识别、目标检测及语义分割三个方向的应用。 本书可供从事机器学习、模式分类、人工智能以及相关领域研究和应用的技术研发人员参考,也可作为相关专业的高年级本科生和研究生的教材。
吴心筱,女,1982年生,江苏江阴人。于2010年获得北京理工大学博士学位。现任北京理工大学副教授,博士生导师。主要研究方向为图像视频内容理解、计算机视觉。在IJCV、IEEE TIP、IEEE TNNLS、IEEE TMM等重要国际刊物和ICCV、CVPR、ACM MM、AAAI、IJCAI等国际会议上发表学术论文30余篇。负责国家自然科学基金青年和面上项目、*博士点基金等项目。获“2012年中国人工智能学会优秀博士学位论文”荣誉。
第1 章 绪论………………………………………………………………………………… 001 1. 1 机器学习概述 ………………………………………………………………………… 001 1. 1. 1 机器学习的主要步骤 …………………………………………………………… 001 1. 1. 2 机器学习的分类 ………………………………………………………………… 003 1. 2 迁移学习的基本概念 ………………………………………………………………… 005 1. 2. 1 迁移学习的定义 ………………………………………………………………… 005 1. 2. 2 域和任务 ………………………………………………………………………… 007 1. 2. 3 迁移学习的数学表示 …………………………………………………………… 008 1. 2. 4 迁移学习的基础研究问题 ……………………………………………………… 009 1. 3 迁移学习方法的分类 ………………………………………………………………… 010 1. 3. 1 根据目标域中所包含的有标签数据情况分类 ………………………………… 010 1. 3. 2 根据源域与目标域的数据和任务的不同分类 ………………………………… 011 1. 3. 3 根据源域与目标域的特征空间或标签是否同构分类 ………………………… 014 1. 3. 4 迁移学习方法的总结分类 ……………………………………………………… 014 1. 4 迁移学习的发展历史 ………………………………………………………………… 016 1. 5 其他学习方法 ………………………………………………………………………… 017 1. 5. 1 主动学习 ………………………………………………………………………… 017 1. 5. 2 在线学习 ………………………………………………………………………… 018 1. 5. 3 度量学习 ………………………………………………………………………… 019 1. 5. 4 深度迁移学习 …………………………………………………………………… 020 1. 5. 5 强化学习 ………………………………………………………………………… 024 参考文献……………………………………………………………………………………… 025第2 章 基础知识 ………………………………………………………………………… 032 2. 1 矩阵分析 ……………………………………………………………………………… 032 2. 1. 1 基本概念 ………………………………………………………………………… 032 2. 1. 2 矩阵分解 ………………………………………………………………………… 036 2. 2 概率论 ………………………………………………………………………………… 039 2. 2. 1 随机变量 ………………………………………………………………………… 039 2. 2. 2 概率分布 ………………………………………………………………………… 039 2. 2. 3 随机变量的数字特征 …………………………………………………………… 041 2. 3 化方法 …………………………………………………………………………… 042 2. 3. 1 梯度下降法 ……………………………………………………………………… 043 2. 3. 2 牛顿法 …………………………………………………………………………… 044 2. 3. 3 拟牛顿法 ………………………………………………………………………… 045 2. 4 神经网络 ……………………………………………………………………………… 046 2. 4. 1 神经元模型 ……………………………………………………………………… 046 2. 4. 2 单层感知器 ……………………………………………………………………… 048 2. 4. 3 多层感知器 ……………………………………………………………………… 049 2. 5 支持向量机 …………………………………………………………………………… 053 2. 5. 1 线性 SVM ………………………………………………………………………… 053 2. 5. 2 非线性 SVM ……………………………………………………………………… 056 参考文献……………………………………………………………………………………… 057第3 章 迁移学习基本方法 ……………………………………………………………… 059 3. 1 基于样本迁移学习 …………………………………………………………………… 059 3. 1. 1 基于样本迁移基本思想 ………………………………………………………… 059 3. 1. 2 基于样本迁移经典方法 ………………………………………………………… 060 3. 2 基于特征迁移学习 …………………………………………………………………… 067 3. 2. 1 基于特征迁移基本思想 ………………………………………………………… 067 3. 2. 2 基于特征迁移经典方法 ………………………………………………………… 067 3. 3 基于模型迁移学习 …………………………………………………………………… 072 3. 3. 1 基于模型迁移基本思想 ………………………………………………………… 072 3. 3. 2 基于模型迁移经典方法 ………………………………………………………… 072 3. 4 基于关系迁移学习 …………………………………………………………………… 078 3. 4. 1 基于关系迁移基本思想 ………………………………………………………… 078 3. 4. 2 基于关系迁移经典方法 ………………………………………………………… 078 3. 5 异构迁移学习 ………………………………………………………………………… 080 3. 5. 1 同构迁移 ………………………………………………………………………… 080 3. 5. 2 异构迁移 ………………………………………………………………………… 080 参考文献……………………………………………………………………………………… 082第4 章 深度迁移学习 …………………………………………………………………… 085 4. 1 深度神经网络基础 …………………………………………………………………… 085 4. 1. 1 卷积神经网络 …………………………………………………………………… 085 4. 1. 2 生成对抗网络 …………………………………………………………………… 092 4. 1. 3 网络优化 ………………………………………………………………………… 095 4. 2 深度神经网络微调迁移 ……………………………………………………………… 099 4. 2. 1 网络微调基本思想 ……………………………………………………………… 099 4. 2. 2 网络微调经典方法 ……………………………………………………………… 099 4. 2. 3 网络微调性能分析 ……………………………………………………………… 106 4. 3 深度神经网络自适应迁移 …………………………………………………………… 108 4. 3. 1 网络自适应迁移基本思想 ……………………………………………………… 108 4. 3. 2 网络自适应迁移经典方法 ……………………………………………………… 108 4. 3. 3 网络自适应迁移性能分析 ……………………………………………………… 112 4. 4 深度神经网络对抗迁移 ……………………………………………………………… 114 4. 4. 1 网络对抗迁移基本思想 ………………………………………………………… 114 4. 4. 2 对抗迁移经典方法 ……………………………………………………………… 115 4. 4. 3 网络对抗迁移性能分析 ………………………………………………………… 124 参考文献……………………………………………………………………………………… 126第5 章 其他迁移学习 …………………………………………………………………… 131 5. 1 部分域适应 …………………………………………………………………………… 131 5. 1. 1 部分域适应基本思想 …………………………………………………………… 131 5. 1. 2 部分域适应经典方法 …………………………………………………………… 132 5. 1. 3 性能分析 ………………………………………………………………………… 140 5. 2 开集域适应 …………………………………………………………………………… 143 5. 2. 1 开集域适应基本思想 …………………………………………………………… 144 5. 2. 2 开集域适应经典方法 …………………………………………………………… 145 5. 2. 3 性能分析 ………………………………………………………………………… 150 参考文献……………………………………………………………………………………… 152第6 章 迁移学习在动作识别中的应用 ……………………………………………… 155 6. 1 动作识别介绍 ………………………………………………………………………… 155 6. 2 动作识别基本方法 …………………………………………………………………… 155 6. 2. 1 动作特征提取 …………………………………………………………………… 155 6. 2. 2 动作分类 ………………………………………………………………………… 158 6. 2. 3 动作识别深度模型 ……………………………………………………………… 159 6. 3 迁移学习动作识别 …………………………………………………………………… 162 6. 3. 1 自适应多核学习动作识别 ……………………………………………………… 163 6. 3. 2 多语义分组域适应动作识别 …………………………………………………… 166 6. 3. 3 生成对抗学习动作识别 ………………………………………………………… 175 参考文献……………………………………………………………………………………… 183第7 章 迁移学习在目标检测中的应用 ……………………………………………… 190 7. 1 目标检测介绍 ………………………………………………………………………… 190 7. 2 目标检测经典方法 …………………………………………………………………… 191 7. 3 迁移学习目标检测方法 ……………………………………………………………… 194 7. 3. 1 域适应目标检测 ………………………………………………………………… 194 7. 3. 2 渐进域适应弱监督目标检测 …………………………………………………… 196 7. 4 常用数据集 …………………………………………………………………………… 198 7. 4. 1 PASCAL VOC 数据集 …………………………………………………………… 198 7. 4. 2 Cityscapes 数据集和 Foggy Cityscapes 数据集 ………………………………… 200 7. 4. 3 Clipart1k 数据集 ………………………………………………………………… 202 7. 4. 4 KITTI 数据集 …………………………………………………………………… 203 7. 4. 5 SIM 系列数据集 ………………………………………………………………… 205 7. 4. 6 目标检测评价指标 ……………………………………………………………… 205 7. 5 方法性能分析 ………………………………………………………………………… 206 7. 5. 1 域适应目标检测结果 …………………………………………………………… 206 7. 5. 2 渐进域适应弱监督目标检测结果 ……………………………………………… 207 参考文献……………………………………………………………………………………… 208第8 章 迁移学习在语义分割中的应用 ……………………………………………… 211 8. 1 语义分割介绍 ………………………………………………………………………… 211 8. 2 语义分割经典方法 …………………………………………………………………… 212 8. 3 迁移学习的语义分割方法 …………………………………………………………… 213 8. 3. 1 基于全局和局部对齐的域适应语义分割 ……………………………………… 214 8. 3. 2 双向学习的域适应语义分割 …………………………………………………… 216 8. 4 常用数据集 …………………………………………………………………………… 219 8. 4. 1 GTA5 数据集……………………………………………………………………… 219 8. 4. 2 SYNTHIA 数据集 ………………………………………………………………… 220 8. 4. 3 语义分割评价指标 ……………………………………………………………… 221 8. 5 方法性能分析 ………………………………………………………………………… 222 8. 5. 1 基于全局和局部对齐的域适应语义分割方法结果 …………………………… 222 8. 5. 2 双向学习的域适应语义分割方法结果 ………………………………………… 225
机器学习是人工智能的一种主要实现途径, 其主要研究如何让计算机模拟人类的学习行为, 从数据中获取新的知识或技能, 并重新组织已有的知识结构使之不断改善自身能力。传统机器学习方法依赖于大量带标签数据, 且假设训练数据和测试数据来自相同的数据分布。然而, 收集足够的训练数据通常是昂贵且耗时的, 甚至在有些实际应用场景中是无法实现的。同时, 随着时间的推移, 新采集的测试数据不可能完全服从与训练数据相同的数据分布。在此背景下, 迁移学习应运而生, 其主要解决如何减少训练数据的标注代价, 将在已标注数据域学习的模型有效迁移至新的无标注数据域, 使之适应于目标数据域的任务。 自1995 年机器学习领域中的迁移学习概念首次被提出, 到1998 年迁移学习研究领域的正式形成, 再到2005 年迁移学习的重新定义, 再到现在基于深度神经网络的迁移学习, 迁移学习引起了越来越多研究人员的关注。迁移学习的思想同样被其他机器学习方法所借鉴, 如主动学习、在线学习、度量学习和强化学习。由于其出色的知识迁移和模型适应能力, 迁移学习在图像识别、目标检测、情感分类、语音识别、推荐系统等诸多实际场景中具有广泛的应用。然而, 迁移学习所涉及的具体任务、面临的研究难点以及采取的问题解决思路呈现多样性, 导致迁移学习方法门类众多、研究成果分散, 不利于初学者在短时间内系统地掌握这方面的理论、方法和技术。因此, 本书对迁移学习的基本方法进行归纳、总结, 同时尽量挑选具有代表性的经典方法和具有应用性的研究成果来进行介绍, 以求兼顾内容的基础性和实用性。 本书分为8 章。第1 章为绪论, 概述机器学习以及阐述迁移学习的基本概念、方法分类、发展历史及与之相关的其他学习方法。第2 章简单介绍迁移学习的相关基础知识。第3 章分别介绍了基于样本、基于特征、基于模型、基于关系这四类迁移学习的基本方法。第4 章介绍基于深度神经网络的迁移学习方法, 重点阐述神经网络自适应迁移和神经网络对抗迁移这两类方法。第5 章介绍更加实用的其他迁移方法, 包括部分域适应方法和开集域适应方法。第6 ~8 章分别介绍迁移学习在动作识别、目标检测、语义分割中的应用。 本书由吴心筱、王晗和武玉伟共同编写。部分内容由研究生参与撰写, 他们是陈谨、张婷婷、刘祎程、闻子涵、伊嘉诚、滑蕊、李彤、李天宇。在此感谢学生们的辛勤劳动和付出。由于作者水平有限, 书中难免存在不足, 恳请同行专家和广大读者批评指正。欢迎读者来信勘误和交流。本书可供从事机器学习、模式分类、人工智能以及相关领域研究和应用的技术研发人员参考, 也可作为相关专业的高年级本科生和研究生的教材。
Shipping Overview:
• Shipping: Standard Domestic Shipping within the United States charges USD 4.99. Standard International Shipping from United Kingdom, Germany and Japan to the United States charges 14.99.
• Order Processing: Please allow 1-2 business days for order processing and preparation before shipment.
• Domestic Shipping: Orders within the U.S. are shipped via USPS or FedEx, depending on the origin of the product. The average transit time is 3-7 business days.
• International Shipping: Currently, we only ship within the USA.
• Tracking Information: Every order is trackable. You will receive a tracking number once your order has been shipped. Products may be shipped from various global fulfillment centers.
Shipping Delays:
Please note that shipping times may vary due to factors beyond our control, such as weather conditions, natural disasters, or peak holiday periods. While we strive to ensure timely delivery, the exact arrival time cannot be guaranteed and is managed by the shipping carrier.
Shipping Options:
Standard Delivery: Most orders are shipped within 3-7 business days. Larger items may utilize LTL shipping for safe handling.
Handling Time: We handle shipments on business days (Monday - Friday), with a preparation time of 1-2 days.
Additional Charges: Some items require additional shipping charges due to their size, weight, or special handling. These charges are specified on the product pages and are not eligible for shipping discounts.
Exclusions: Gift cards, packaging, taxes, and prior purchases do not count toward the minimum purchase requirement for free shipping. This offer is valid only for shipments to U.S. addresses, including Puerto Rico.
Delivery Details:
Estimates: Standard shipping within the US typically takes 3-7 business days. These are estimates and not guarantees.
Shipping Restrictions: We ship to all 50 states, Washington, DC, U.S. territories, and APO/FPO/DPO addresses. Shipping options vary based on the delivery address.
Remote Areas: Shipments to remote areas may incur additional charges or require pickup from a nearby shipping partner’s location.
Shipping Confirmation:
You will receive a shipping confirmation email with a tracking number as soon as your order is dispatched. If you do not receive this email immediately, please be assured that your items will arrive within the estimated delivery window provided at checkout.
Order Modifications:
If you need to cancel or modify your order, please contact our customer support immediately.
Issues with Delivery:
If your order shows as delivered but you have not received it, please contact the shipping carrier directly to resolve the issue. For persistent problems, contact our customer service at cs@everymarket.com.
Customer Support:
Our team is available 24/7 to assist you with any questions or concerns regarding your order. We are committed to ensuring a smooth shopping experience.
Return & Refund Policy Overview
Please review our return and refund policies below to ensure a smooth transaction process.
Return Policy
Duration: You have 30 days from receiving your item to initiate a return.
Condition: Items must be unworn, unwashed, with original tags and packaging intact.
Shipping Costs: Customers are responsible for return shipping costs.
Packaging: Ensure returned items are well-packaged to avoid damage during transit.
Tracking: Use a trackable and insured shipping method as we are not liable for items lost or damaged on return.
Initiating a Return: Contact us at cs@everymarket.com to start your return. We will provide a return shipping label and instructions upon approval. Returns without prior approval will not be accepted.
How to Return
Method: Returns must be sent back by mail to the address provided in the return instructions.
Return Label
Defective Products: Return labels are provided for defective items.
Non-Defective Returns: Customers are responsible for obtaining their return shipping label.
Product Conditions for Return
Eligible Products: Returns are only accepted for items in new condition.
Nonreturnable Items
Certain items are not eligible for return:
Electronic devices after 30 days (e.g., computers, laptops, Kindles)
Gift cards, prepaid game cards
Perishable goods, live insects, some jewelry, some health and personal care items
Customized or personalized products
Items with special shipping restrictions
Refund Policy
Window: Eligible products may be returned within 30 days of delivery for a refund.
Refund Method: Refunds are processed to the original payment method or as store credit for items purchased with gift cards.
Processing Time: Refunds are processed within 3-5 business days after we receive the return; please allow additional time for shipping and bank processing.
Claims
Inspect your order upon arrival and report any defects, damages, or incorrect items immediately to allow us to address the issue. For claims, contact our support team with details of the issue.
Exchange Policy
For the quickest service, return your original item and place a new order for the desired product once your return is accepted.
Return Address
EveryMarket Customer Service 2101 E Terra Ln, O'Fallon, MO 63366
Customer Support
Available 24/7 for any questions or assistance needed:
Phone: +1 636-312-5925
Email: cs@everymarket.com
Oops!
Sorry, it looks like some products are not available in selected quantity.
OK