多源域适应中用于源选择的课程管理器
计算机视觉与模式识别
2020-07-03 v1 机器学习
图像与视频处理
摘要
多源无监督域适应的性能在很大程度上取决于从带标签的源域样本进行迁移的有效性。本文提出了一种对抗性智能体，用于学习源样本的动态课程，称为源选择课程管理器（CMSS）。课程管理器是一个独立的网络模块，在训练过程中不断更新课程，并迭代地学习哪些域或样本最适合与目标域对齐。其背后的直觉是，迫使课程管理器随时间不断重新衡量潜在域的可迁移性，从而对抗性地提高域判别器的错误率。CMSS 不需要任何域标签的知识，却在四个公认基准上以显著优势优于其他方法。我们还提供了可解释的结果，以阐明所提出的方法。
引用
@article{arxiv.2007.01261,
title = {Curriculum Manager for Source Selection in Multi-Source Domain Adaptation},
author = {Luyu Yang and Yogesh Balaji and Ser-Nam Lim and Abhinav Shrivastava},
journal= {arXiv preprint arXiv:2007.01261},
year = {2020}
}