一种基于旋转预测的领域自适应简单基线
计算机视觉与模式识别
2019-12-30 v1
摘要
近年来，领域自适应已成为一个具有众多应用的热门研究领域。其目标是将在一个领域上训练的模型适配到另一个标注数据稀缺的领域。我们提出一种基于自监督学习的简单而有效的方法，其性能优于或与大多数最先进算法（例如对抗领域自适应）相当。我们的方法包含两个阶段：在目标领域上预测随机旋转（自监督）并对源领域使用正确标签（监督），随后在目标领域上使用自蒸馏。我们的简单方法在 DomainNet 数据集的半监督领域自适应上取得了最先进的结果。此外，我们观察到流行领域自适应基准的未标注目标数据集不包含测试类别以外的任何类别。我们认为这引入了在众多实际应用中并不存在的偏差。我们表明，从未标注数据中移除该偏差会导致最先进方法的性能大幅下降，而我们的简单方法相对鲁棒。
引用
@article{arxiv.1912.11903,
title = {A simple baseline for domain adaptation using rotation prediction},
author = {Ajinkya Tejankar and Hamed Pirsiavash},
journal= {arXiv preprint arXiv:1912.11903},
year = {2019}
}