面向无监督域适应的深度特征配准
计算机视觉与模式识别
2023-10-26 v1
摘要
尽管无监督域适应已被探索用于将有标签源域的知识迁移到无标签目标域，现有方法侧重于两域之间的分布对齐。然而，如何更好地对齐源域和目标域特征尚未得到很好解决。本文提出一种深度特征配准(DFR)模型，以生成保持域不变特征、同时通过直方图匹配最小化配准特征与目标特征之间域差异的配准特征。我们进一步采用伪标签精炼过程，结合概率软选择与基于中心的硬选择，以提升目标域中伪标签的质量。在多个UDA基准上的大量实验证明了我们的DFR模型的有效性，取得了新的最先进性能。
引用
@article{arxiv.2310.16100,
title = {Deep Feature Registration for Unsupervised Domain Adaptation},
author = {Youshan Zhang and Brian D. Davison},
journal= {arXiv preprint arXiv:2310.16100},
year = {2023}
}