无源域适应中伪标签的去混淆
计算机视觉与模式识别
2024-11-01 v3
摘要
无源域适应旨在无需访问源数据的情况下，将源训练的模型适配到无标签的目标域。近年来，该方法引起了越来越多的关注，现有方法主要集中于通常包含伪标签技术的自训练。本文提出了一种新颖的噪声学习方法，专门用于处理域适应设置中的噪声分布，并学习去混淆伪标签。更具体地说，我们学习伪标签的噪声转移矩阵，以捕获每个类别的标签损坏情况，并学习底层的真实标签分布。估计噪声转移矩阵能够实现更好的真实类别后验估计，从而提高预测精度。我们展示了该方法与几种无源域适应方法（SHOT、SHOT++ 和 AaD）结合时的有效性。我们在三个域适应数据集（VisDA、DomainNet 和 OfficeHome）上取得了最先进的结果。
引用
@article{arxiv.2401.01650,
title = {De-Confusing Pseudo-Labels in Source-Free Domain Adaptation},
author = {Idit Diamant and Amir Rosenfeld and Idan Achituve and Jacob Goldberger and Arnon Netzer},
journal= {arXiv preprint arXiv:2401.01650},
year = {2024}
}