基于估计准确率校准无监督域适应中的网络置信度
机器学习
2024-09-09 v1 计算机视觉与模式识别
机器学习
摘要
本研究解决了在将模型从源域适应到目标域的问题中校准网络置信度的问题。由于缺乏来自目标域的标签，无法直接在目标域上校准已适应的网络。为解决这一挑战，我们引入一种校准程序，其依赖于估计网络在目标域上的准确率。首先计算网络在标记源数据上的准确率，然后将其修改以表示模型在目标域上的实际准确率。该方法通过最小化估计准确率与计算置信度之间的差异，直接在目标域校准预测置信度。实验结果表明，我们的方法在多个标准数据集上显著优于现有方法，后者依赖于重要加权。
引用
@article{arxiv.2409.04241,
title = {Calibration of Network Confidence for Unsupervised Domain Adaptation Using Estimated Accuracy},
author = {Coby Penso and Jacob Goldberger},
journal= {arXiv preprint arXiv:2409.04241},
year = {2024}
}