面向无源无监督域适应的交叉推断网络
计算机视觉与模式识别
2023-06-30 v1
摘要
无源无监督域适应（UDA）的一个核心挑战是缺乏有效方法来评估适配网络模型在目标域中的预测结果。为应对该挑战，我们提出探索一种称为交叉推断网络（CIN）的新方法。我们的主要思想是：当我们将网络模型适配为从编码特征预测样本标签时，利用这些预测结果构造带导出标签的新训练样本，以学习一个在目标域中执行不同但兼容任务的新检验网络。具体而言，本工作中基网络模型执行图像分类，而检验网络负责对三元组样本的相对排序，其训练标签由基网络模型的预测结果精心构造。随后开发了两种相似性度量——跨网络相关矩阵相似度与注意力一致性——为 UDA 过程提供重要指导。我们在基准数据集上的实验结果表明，所提 CIN 方法能显著提升无源 UDA 的性能。
引用
@article{arxiv.2306.16957,
title = {Cross-Inferential Networks for Source-free Unsupervised Domain Adaptation},
author = {Yushun Tang and Qinghai Guo and Zhihai He},
journal= {arXiv preprint arXiv:2306.16957},
year = {2023}
}
备注
ICIP2023 accepted