用于域适应的注意力正则化拉普拉斯图
计算机视觉与模式识别
2022-12-07 v1 机器学习
摘要
在域适应（DA）中利用流形学习时，基于图嵌入的DA方法已通过拉普拉斯图在保持数据流形方面展现出有效性。然而，当前图嵌入DA方法存在两个问题：1）它们仅关注嵌入中底层数据结构的保持，而忽略子域适应，后者需考虑类内相似性与类间差异性，从而导致负迁移；2）流形学习是分别跨不同特征/标签空间提出的，从而阻碍统一的综合流形学习。本文从我们之前的DGA-DA出发，提出一种新颖的DA方法，即基于注意力正则化拉普拉斯图的域适应（ARG-DA），以弥补上述问题。具体而言，通过加权不同子域适应任务的重要性，我们提出用于类感知DA的注意力正则化拉普拉斯图，从而生成注意力正则化DA。此外，利用专门设计的FEEL策略，我们的方法动态统一不同特征/标签空间下流形结构的对齐，从而实现综合流形学习。我们进行了全面实验以验证所提DA方法的有效性，其在7个标准DA基准（即包含物体、人脸和数字图像的37个跨域图像分类任务）上一致优于最先进DA方法。我们还讨论了所提DA方法的深入分析，包括敏感性、收敛性与鲁棒性。
引用
@article{arxiv.2210.08170,
title = {Attention Regularized Laplace Graph for Domain Adaptation},
author = {Lingkun Luo and Liming Chen and Shiqiang Hu},
journal= {arXiv preprint arXiv:2210.08170},
year = {2022}
}
备注
18 pages, 19 figures, This work is accepted by IEEE Transactions on Image Processing and will be available online soon. arXiv admin note: text overlap with arXiv:2101.04563