基于原型归一化输出调节器的对抗域适应
计算机视觉与模式识别
2021-12-21 v4
摘要
在这项工作中，我们试图通过设计简单紧凑的条件域对抗训练方法来解决无监督域适应问题。我们首先重新审视简单的拼接调节策略，其中特征与输出预测拼接作为判别器的输入。我们发现拼接策略存在调节强度弱的问题。我们进一步证明，增大拼接预测的范数可以有效激活条件域对齐。因此我们改进拼接调节，将输出预测归一化使其具有与特征相同的范数，并将所得方法称为归一化输出调节器（Normalized OutpUt coNditioner，NOUN）。然而，NOUN 基于原始输出预测进行域对齐，受限于目标域预测不准确。为此，我们提出在原型空间而非输出空间中对跨域特征对齐进行调节。将新颖的基于原型的调节与 NOUN 结合，我们将增强方法称为基于原型的归一化输出调节器（PROtotype-based Normalized OutpUt coNditioner，PRONOUN）。在目标识别和语义分割上的实验表明，NOUN 能有效对齐跨域的多模态结构，甚至优于最先进的域对抗训练方法。结合基于原型的调节，PRONOUN 在多个无监督域适应目标识别基准上进一步提升了相对于 NOUN 的适应性能。
引用
@article{arxiv.2003.13274,
title = {Adversarial Domain Adaptation with Prototype-Based Normalized Output Conditioner},
author = {Dapeng Hu and Jian Liang and Qibin Hou and Hanshu Yan and Yunpeng Chen},
journal= {arXiv preprint arXiv:2003.13274},
year = {2021}
}
备注
Published at IEEE transactions on image processing 2021