通过学习与移除域特定特征实现域泛化

深度神经网络（DNNs）在测试数据集与训练数据集分布不同时会遭受域偏移。域泛化旨在通过学习可泛化至未见域的模型来解决此问题。本文提出一种新方法，旨在显式移除域特定特征以实现域泛化。遵循该方法，我们提出一种称为学习与移除域特定特征以实现泛化（LRDG）的新框架，该框架通过策略性地从输入图像中移除域特定特征来学习域不变模型。具体而言，我们设计了一个分类器来分别有效学习每个源域的域特定特征。随后我们开发了一个编码器-解码器网络，将每张输入图像映射到一个新图像空间，其中已学习的域特定特征被移除。利用编码器-解码器网络输出的图像，我们设计另一个分类器来学习域不变特征以进行图像分类。大量实验表明，我们的框架相比最先进的方法取得了更优性能。