通过求解拼图游戏实现域泛化
计算机视觉与模式识别
2019-08-09 v2 机器学习
摘要
人类的适应能力关键依赖于从监督学习与无监督学习中学习和融合知识的能力：父母指出少数重要概念，但随后儿童自行填补空白。这尤其有效，因为监督学习永远无法穷尽，从而自主学习能够发现有助于泛化的不变性与规律性。在本文中，我们提出将类似方法应用于跨域物体识别任务：我们的模型以监督方式学习语义标签，并通过以自监督信号学习如何在相同图像上求解拼图游戏来拓宽对数据的理解。这一辅助任务帮助网络学习空间相关性的概念，同时作为分类任务的正则化器。在 PACS、VLCS、Office-Home 和 digits 数据集上的多个实验证实了我们的直觉，并表明这一简单方法优于以往的域泛化与域适应方案。消融研究进一步阐明了我们方法的内部机制。
引用
@article{arxiv.1903.06864,
title = {Domain Generalization by Solving Jigsaw Puzzles},
author = {Fabio Maria Carlucci and Antonio D'Innocente and Silvia Bucci and Barbara Caputo and Tatiana Tommasi},
journal= {arXiv preprint arXiv:1903.06864},
year = {2019}
}
备注
Accepted at CVPR 2019 (oral)