《表3 与无监督域自适应方法的比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《小样本域自适应的皮肤病临床影像识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：表中加粗数据为最优值。

将无监督域自适应方法与本文方法在角化病上的识别结果进行对比。DANN是无监督域自适应常用的方法之一，该方法引入对抗思想，利用域分类器来匹配特征分布[23]；DeepJDOT在一个单一的CNN框架中学习两个域和分类器之间的嵌入，使用基于最优传输的域自适应设计损失函数，可以很好地实现域自适应[24]。表3给出了这两个无监督域自适应方法和本文方法在角化病识别上的对比结果。