无监督域适应方法在咖啡作物制图中的比较研究
计算机视觉与模式识别
2018-06-08 v1
摘要
在这项工作中，我们研究了现有无监督域适应(UDA)方法在具有不同咖啡分布模式的作物区域间知识迁移任务中的应用。给定一个咖啡种植园已完全制图的地理区域，我们观察到该知识可用于训练分类器并制图新的县而无需目标区域中的标注样本。实验结果表明，通过某些UDA策略迁移知识优于直接将在一个区域训练的分类器用于预测新区域的咖啡作物。然而，UDA方法可能导致负迁移，这可能表明域间差异过大而不适合迁移知识。我们还验证了归一化对某些UDA方法影响显著；我们观察到咖啡作物数据间存在有意义的互补贡献；并且一种视觉行为暗示存在一组更可能来自特定数据的样本簇。
引用
@article{arxiv.1806.02400,
title = {A Comparative Study on Unsupervised Domain Adaptation Approaches for Coffee Crop Mapping},
author = {Edemir Ferreira and Mário S. Alvim and Jefersson A. dos Santos},
journal= {arXiv preprint arXiv:1806.02400},
year = {2018}
}