基于卷积神经网络的跨域属性表示
计算机视觉与模式识别
2018-05-21 v1
摘要
在域迁移学习问题中，我们利用若干源域和目标域的数据学习用于目标域预测的模型，其中目标域缺乏标签而源域具有充足标签。除数据实例外，近来跨域共享的数据属性也被探索，并被证明非常有助于利用不同域的信息。本文中，我们提出一种基于实例与属性的域迁移学习新框架。我们提出通过共享卷积神经网络(CNN)嵌入不同域的属性，学习一个域无关的CNN模型以通过跨域匹配表示不同域共享的信息，以及一个域特定的CNN模型以表示每个域的信息。三个CNN模型输出的拼接用于预测类标签。我们开发了基于梯度下降法的迭代算法来学习模型参数。在基准数据集上的实验显示了所提模型的优势。
引用
@article{arxiv.1805.07295,
title = {Cross-domain attribute representation based on convolutional neural network},
author = {Guohui Zhang and Gaoyuan Liang and Fang Su and Fanxin Qu and Jing-Yan Wang},
journal= {arXiv preprint arXiv:1805.07295},
year = {2018}
}
备注
arXiv admin note: substantial text overlap with arXiv:1803.09733