سمانه رضایی - دانشجوی کارشناسی ارشد دانشکده مهندسی فناوری اطلاعات و کامپیوتر - دانشگاه صنعتی ارومیه - ارومیه - ایران
جعفر طهمورث نژاد - استادیار دانشکده مهندسی فناوری اطلاعات و کامپیوتر - دانشگاه صنعتی ارومیه - ارومیه - ایران

در بسیاری از کاربردهای بصری در دنیای واقعی، مجموعه آموزشی برچسب دار وجود ندارد. تطبیق دامنه، دانش آموخته شده توسط یک مجموعه از داده های آموزشی برچسبدار را که به عنوان دامنه منبع شاخته میشود، به مجموعه ای از داده های تست که به عنوان دامنه هدف شناخته میشود و نسبت به یکدیگر اختلاف توزیع زیادی دارند، انتقال میدهد. بنابراین، تطبیق دامنه کارایی مدل آموزش یافته توسط دامنه منبع را به منظور برچسب گذاری نمونه های دامنه هدف، افزایش میدهد. در این مقاله، ما یک روش تطبیق دامنه با عنوان کلاسه بندی تصاویر از طریق انتقال دانش هندسی و آماری (GSKT) را به منظور حفظ اطلاعات هندسی و آماری دامنه های منبع و هدف پیشنهاد میدهیم. روش GSKT، زیرفضایی را جستجو میکند که اختلاف توزیع بین دامنه های منبع و هدف در آن زیرفضا، کاهش یافته باشد. کارایی روش پیشنهادی با استفاده از پایگاه داده های بصری متنوع و با استفاده از 34 آزمایش، مورد ارزیابی قرار گرفته که نتایج بیانگر بهبود قابل ملاحظه ای در مقایسه با روشهای مطرح در حوزه تطبیق دامنه میباشد.

کاربردهای بصری، تطبیق دامنه، انتقال دانش، اختلاف توزیع.