面向辅助目标域分类器的域适应
计算机视觉与模式识别
2021-12-17 v5 机器学习
摘要
域适应（DA）旨在将知识从标签丰富但异构的源域迁移到标签稀缺的目标域，从而减轻标注负担并引起广泛关注。与以往专注于学习域不变特征表示的方法不同，一些近期方法提出通用半监督学习（SSL）技术并直接应用于 DA 任务，甚至取得了有竞争力的性能。最流行的 SSL 技术之一是伪标签，即通过标签数据训练的分类器为每个无标签数据分配伪标签。然而，它忽略了 DA 问题中的分布偏移，并不可避免地偏向源数据。为解决此问题，我们提出一种称为辅助目标域导向分类器（ATDOC）的新伪标签框架。ATDOC 通过引入仅针对目标数据的辅助分类器来缓解分类器偏差，从而提高伪标签质量。具体而言，我们采用记忆机制并开发了两类非参数分类器，即最近质心分类器和邻域聚合，且不引入任何额外网络参数。尽管其伪分类目标简单，采用邻域聚合的 ATDOC 在大量 DA 基准乃至稀缺标签 SSL 任务上显著优于域对齐技术与先前 SSL 技术。
引用
@article{arxiv.2007.04171,
title = {Domain Adaptation with Auxiliary Target Domain-Oriented Classifier},
author = {Jian Liang and Dapeng Hu and Jiashi Feng},
journal= {arXiv preprint arXiv:2007.04171},
year = {2021}
}
备注
Fix typos after CVPR 2021. Code is available at https://github.com/tim-learn/ATDOC