对抗对抗性学习：开放集域适应中已知与未知的自然区分
机器学习
2020-11-06 v1
摘要
开放集域适应指的是目标域包含源域中不存在的类别这一场景。与源域和目标域包含相同类别的典型闭集域适应相比，它是现实中更常见的情况。开放集域适应的主要困难在于，当机器学习模型仅拥有关于已知事物的概念时，我们需要区分哪些目标数据属于未知类。在本文中，我们提出一种“对抗对抗性学习”方法，能够自然区分未知目标数据与已知数据，而无需设置任何额外超参数，且被预测为已知类的目标数据可同时被分类。实验结果表明，与几种最先进（SOTA）方法相比，所提方法在性能上取得了显著提升。
引用
@article{arxiv.2011.02876,
title = {Against Adversarial Learning: Naturally Distinguish Known and Unknown in Open Set Domain Adaptation},
author = {Sitong Mao and Xiao Shen and Fu-lai Chung},
journal= {arXiv preprint arXiv:2011.02876},
year = {2020}
}