关联式部分域自适应
计算机视觉与模式识别
2020-08-10 v1 机器学习
摘要
部分自适应（PDA）解决一种实际场景：目标域仅包含源域类别的一个子集。尽管 PDA 应同时考虑类级与样本级以缓解负迁移，现有方法大多仅依赖其中之一。本文提出一种新方法，充分利用 PDA 中可能出现的多级关联。我们的 Associative Partial Domain Adaptation（APDA）利用域内关联，主动筛选出各源私有类别中样本级加权无法处理的非平凡异常样本。此外，我们的方法考虑域间关联，通过在高标签共现性的邻近目标样本与源样本间映射来鼓励正迁移。为此，我们在由源真实标签与目标概率标签构成的提出标签空间中利用特征传播。我们进一步提出一种基于每个源类别标签共现性的几何引导损失，以鼓励正迁移。我们的 APDA 在公开数据集上持续达到最先进的性能。
引用
@article{arxiv.2008.03111,
title = {Associative Partial Domain Adaptation},
author = {Youngeun Kim and Sungeun Hong and Seunghan Yang and Sungil Kang and Yunho Jeon and Jiwon Kim},
journal= {arXiv preprint arXiv:2008.03111},
year = {2020}
}
备注
8 pages, 8 figures, 3 tables