基于测地距离最小化的深度域适应
计算机视觉与模式识别
2017-10-12 v2
摘要
在本文中，我们提出了一种称为 Deep LogCORAL 的新方法，用于无监督视觉域适应。我们的工作建立在最近提出的 Deep CORAL 方法之上，该方法提出训练一个卷积神经网络，并同时最小化源域和目标域协方差矩阵之间的欧几里得距离。我们建议使用由 Log-Euclidean 距离近似的黎曼距离，来替代 Deep CORAL 中朴素的欧几里得距离。我们还考虑了一阶信息，并最小化两个域之间均值向量的距离。我们构建了一个端到端模型，在该模型中，我们同时最小化分类损失以及基于两个域之间一阶和二阶信息的域差异。我们在基准 Office 数据集上的实验表明，我们新提出的 Deep LogCORAL 方法相较于 Deep CORAL 方法有所改进，并且在同时优化两阶信息时取得了进一步的提升。
引用
@article{arxiv.1707.09842,
title = {Deep Domain Adaptation by Geodesic Distance Minimization},
author = {Yifei Wang and Wen Li and Dengxin Dai and Luc Van Gool},
journal= {arXiv preprint arXiv:1707.09842},
year = {2017}
}