可域可求(K-Domain)下载

weixin_39820780 2019-07-16 10:30:21
本软件说明：

本软件的中文名称为 可域可求
本软件的英文名称为 K-Domain

本软件能够通过Internet自动获得即将被删除的域名列表，
并对域名进行分析，分门别类的列出域名。

因为需要从网络获得数据，所以您使用本软件时必须联网

更新当天将删除的域名需要花费大约十到十五分钟，
更新完毕还要进行必要的分析整理，所以请您耐心等待

点击软件主界面上的"Go"按钮，可以按照您选择的日期和域名后缀读取已经分析好的域名列表

本软件的官方发布网站暂时定为 www.woairmb.com
以后的升级版本也会放在这个网站，方便大家使用

您对本软件有什么建议和意见，可以发邮件到woairmb.
相关下载链接：//download.csdn.net/download/gulij/3285241?utm_source=bbsseo
...全文
10 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
跨域小样本---cross domain few shot---第一弹
cross domain Few-shot 存在问题 域间类别不重合 目标域时标签数据少 存在域偏差 A Broader Study of Cross-Domain Few-Shot Learning（ECCV 2020 link） 提出了cross domain few-shot learning的标准，在miniImageNetminiImageNetminiImageNet上训练模型，随后采用N−way，K−shotN-way，K-shotN−way，K−shot的方式，迁移到目标数据集上。 #.
【迁移学习】Prototypical Cross-domain Self-supervised Learning for Few-shot Unsupervised Domain Adaptation
摘要 无监督域适应(UDA)将预测模型从完全标记的源域转移到无标记的目标域。然而，在某些应用程序中，甚至在源域中收集标签都很昂贵，这使得以前的大多数工作都不切实际。为了解决这个问题，最近的工作执行了基于实例的跨领域自我监督学习，然后是一个额外的微调阶段。然而，实例自监督学习只学习和对齐低层次的判别特征。在本文中，我们提出了一个端到端原型跨域自监督学习(PCS)框架用于小样本无监督域适应(FUDA)。PCS不仅对跨域低级特征对齐，而且对跨域共享嵌入空间中的语义结构进行编码和对齐。我们的框架通过域内原型对比学习
【论文解读】跨域小样本学习：A Broader Study of Cross-Domain Few-Shot Learning
​1.介绍 论文地址： A Broader Study of Cross-Domain Few-Shot Learning 参考代码： https://github.com/IBM/cdfsl-benchmark 针对问题：小样本学习、跨域学习Cross-Domain 少数镜头学习的最新进展在很大程度上依赖于元学习的注释数据：从与新类相同的域中采样的基类。然而，在许多应用中，为元学习收集数据是不可行或不可能的。这就导致了跨领域的少镜头学习问题，在这个问题中，基本类域和新类域之间有很...
Cross-Domain Gradient Discrepancy Minimization for Unsupervised Domain Adaptation——CVPR2021
无监督域适应的跨域梯度差异最小化摘要引言相关工作本文提出的方法UDA与双分类器对抗性学习最小化跨域梯度差异目标样本的自监督学习整体目标和优化程序实验结果 摘要 以前的对抗性学习方法仅重点关注两个不同分类器的输出之间的相似性。然而，输出的相似性不能保证目标样本的分类的准确性，即使两个分类器之间的差异很小，目标样本也可能与错误类别匹配。在本文中，我们提出了一种跨域梯度差异最小化（CGDM）方法，该方法明确地最小化了源样本和目标样本产生的梯度的差异。为了计算目标样本的梯度信息，我们通过基于聚类的自我监督学习进一步
Image Denoising by Sparse 3-D Transform-Domain Collaborative Filtering
Image Denoising by Sparse 3-D Transform-Domain Collaborative Filtering BM3D算法论文翻译 摘要 我们提出了一种基于变换域中增强的稀疏表示的图像去噪策略。通过将相似的2-D图像片段（例如，块）分组为3-D数据阵列（我们称为“组”），可以提高稀疏度。协作过滤是为处理这些3-D组而开发的特殊过程。我们使用三个连续的步骤来实现它：一个组的3-D变换，变换谱的收缩和3-D逆变换。结果是一个3-D估计值，该估计值由联合过滤的分组图像块组成。通过衰
下载资源悬赏专区

12,795

社区成员

12,332,725

社区内容

发帖
与我相关
我的任务
社区描述
CSDN 下载资源悬赏专区
其他 技术论坛（原bbs）
社区管理员
  • 下载资源悬赏专区社区
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章