用于域泛化的域对抗神经网络：何时有效及如何改进
机器学习
2022-03-21 v2 计算机视觉与模式识别
摘要
理论上，域适应是一个被充分研究的问题。进而，该理论已在实践中被良好运用。我们特别注意到 Ben-David 等人（2010）给出的目标误差界，以及 Ganin 与 Lempitsky（2015）基于该工作提出的著名域对齐算法——域对抗神经网络（DANN）。近来，针对相关的域泛化问题提出了多种 DANN 变体，却甚少讨论原初的动机误差界。本文中，我们自此视角考察 DANN 在域泛化中的有效性。我们探究应用 DANN 合理所需的条件，并进一步将 DANN 视为训练期间的动态过程。我们的研究表明，将 DANN 应用于域泛化或许并不如表面般直接。为此，我们针对域泛化情形设计了 DANN 的算法扩展。我们的实验验证了理论与算法。
引用
@article{arxiv.2102.03924,
title = {Domain Adversarial Neural Networks for Domain Generalization: When It Works and How to Improve},
author = {Anthony Sicilia and Xingchen Zhao and Seong Jae Hwang},
journal= {arXiv preprint arXiv:2102.03924},
year = {2022}
}