域增广的域自适应
计算机视觉与模式识别
2022-02-22 v1 人工智能
摘要
无监督域自适应（UDA）通过减小跨域差异，实现从有标签源域到无标签目标域的知识迁移。然而，大多数研究基于从源域到目标域的直接自适应，并受困于较大的域差异。为克服这一挑战，本文提出域增广的域自适应（DADA），生成与目标域差异更小的伪域，通过最小化目标域与伪域之间的差异来增强知识迁移过程。此外，我们为 DADA 设计了一种伪标注方法：将目标域的表示投影到多个伪域，并将伪域在分类上的平均预测作为伪标签。我们在四个基准数据集 Office Home、Office-31、VisDA2017 和 Digital 上与最先进的域自适应方法进行了大量实验。结果证明了我们模型的优越性。
引用
@article{arxiv.2202.10000,
title = {Domain-Augmented Domain Adaptation},
author = {Qiuhao Zeng and Tianze Luo and Boyu Wang},
journal= {arXiv preprint arXiv:2202.10000},
year = {2022}
}
备注
12 pages, 5 figures