一种用于无监督域适应的类感知最优传输与高阶矩匹配方法
机器学习
2024-01-30 v1 人工智能
计算机视觉与模式识别
摘要
无监督域适应（UDA）旨在将知识从有标签的源域迁移到无标签的目标域。在本文中，我们引入了一种称为类感知最优传输（OT）的新方法，该方法测量源类条件分布上的分布与源和目标数据分布的混合之间的 OT 距离。我们的类感知 OT 利用一个代价函数来确定给定数据样本与源类条件分布之间的匹配程度。通过优化该代价函数，我们找到了目标样本与源类条件分布之间的最优匹配，从而有效解决两个域之间发生的数据和标签偏移问题。为了高效处理类感知 OT，我们提出了一种摊销解决方案，采用深度神经网络来构建传输概率和代价函数。此外，我们提出最小化类感知高阶矩匹配（HMM），以对齐源域和目标域上相应的类区域。类感知 HMM 组件提供了一种经济高效的计算方法，用于准确评估两个分布之间的 HMM 距离。在基准数据集上的大量实验表明，我们提出的方法显著优于现有的 SOTA 基线。
引用
@article{arxiv.2401.15952,
title = {A Class-aware Optimal Transport Approach with Higher-Order Moment Matching for Unsupervised Domain Adaptation},
author = {Tuan Nguyen and Van Nguyen and Trung Le and He Zhao and Quan Hung Tran and Dinh Phung},
journal= {arXiv preprint arXiv:2401.15952},
year = {2024}
}
备注
18 pages