一种基于双模块对抗训练的无监督域适应模型
机器学习
2022-01-07 v1 计算机视觉与模式识别
摘要
本文提出一种双模块网络架构，其采用域判别特征模块来促使域不变特征模块学习更多域不变特征。所提架构可应用于任何利用域不变特征进行无监督域适应的模型，以提升其提取域不变特征的能力。我们以域对抗神经网络(DANN)模型作为代表性算法进行实验。在训练过程中，我们向两个模块提供相同输入，然后分别提取其特征分布与预测结果。我们提出一种差异损失来发现两模块间预测结果与特征分布的差异。通过对抗训练最大化其特征分布损失并最小化其预测结果差异，促使两模块分别学习更多域判别与域不变特征。我们进行了大量对比评估，所提方法在大多数无监督域适应任务上优于当前最优(state-of-the-art)方法。
引用
@article{arxiv.2112.15555,
title = {An Unsupervised Domain Adaptation Model based on Dual-module Adversarial Training},
author = {Yiju Yang and Tianxiao Zhang and Guanyu Li and Taejoon Kim and Guanghui Wang},
journal= {arXiv preprint arXiv:2112.15555},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2108.00610