关注判别确定性以实现域适应
计算机视觉与模式识别
2019-09-17 v2 机器学习
机器学习
摘要
本文中,我们旨在解决分类器的无监督域适应问题,其中源域的标签信息可用而目标域不可用。尽管已提出多种方法解决该问题,包括基于对抗判别器的方法,多数方法聚焦于整图层面的域适应。在一幅图像中,存在可更好适应的区域,例如前景物体可能本质相似。为获取此类区域,我们提出考虑各区域概率确定性估计的方法,并在分类适应时聚焦于这些区域。我们观察到,仅在训练分类器时融入判别器的概率确定性,相较于所有近期方法,我们便能在多个数据集上取得最先进结果。我们通过消融分析、统计显著性检验以及注意力图与 t-SNE 嵌入的可视化,对该方法进行了详尽的实证分析。这些评估令人信服地展示了所提方法的有效性。
引用
@article{arxiv.1906.03502,
title = {Attending to Discriminative Certainty for Domain Adaptation},
author = {Vinod Kumar Kurmi and Shanu Kumar and Vinay P Namboodiri},
journal= {arXiv preprint arXiv:1906.03502},
year = {2019}
}
备注
CVPR 2019 Accepted, Project: https://delta-lab-iitk.github.io/CADA/