用于物体识别的域自适应神经网络
计算机视觉与模式识别
2016-07-28 v1 人工智能
机器学习
神经与进化计算
机器学习
摘要
我们提出了一种简单的神经网络模型来处理物体识别中的域自适应问题。我们的模型将最大均值差异 (Maximum Mean Discrepancy, MMD) 度量作为监督学习中的正则化项，以减少潜在空间中源域和目标域之间的分布不匹配。实验表明，MMD 正则化是一种有效的工具，能够在特定图像数据集的 SURF 特征和原始图像像素上提供良好的域自适应模型。我们还表明，在去噪自编码器预训练之后，我们提出的模型在相同数据集上的表现优于最近的基准模型。这项工作代表了 MMD 度量在神经网络背景下的首次研究。
引用
@article{arxiv.1409.6041,
title = {Domain Adaptive Neural Networks for Object Recognition},
author = {Muhammad Ghifary and W. Bastiaan Kleijn and Mengjie Zhang},
journal= {arXiv preprint arXiv:1409.6041},
year = {2016}
}