吸引或分散：利用开放集的边界
计算机视觉与模式识别
2019-08-13 v2
摘要
开放集域自适应旨在减小部分共享类别下的跨域偏移。存在源域知识之外的未知目标样本。与闭集设定相比，如何将未知（非共享）类与已知（共享）类分离起着关键作用。然而，以往方法未强调开放集数据的语义结构，这可能给域对齐引入偏差并混淆决策边界附近的分类器。本文从两方面利用开放集数据的语义结构：1）语义类别对齐，旨在通过按类别将目标质心与源对齐来实现目标已知类的良好可分离性。2）语义对比映射，旨在将未知类推离决策边界。经验上，我们证明了我们的方法在代表性基准（如 Digit 数据集和 Office-31 数据集）上优于最先进的方法。
引用
@article{arxiv.1908.01925,
title = {Attract or Distract: Exploit the Margin of Open Set},
author = {Qianyu Feng and Guoliang Kang and Hehe Fan and Yi Yang},
journal= {arXiv preprint arXiv:1908.01925},
year = {2019}
}
备注
Presented at ICCV 2019