基于特定领域聚合模块的领域泛化
计算机视觉与模式识别
2018-10-01 v1
摘要
视觉识别系统旨在现实世界中工作。为了实现这一点，它们必须在任何视觉领域中都能稳健地工作，而不仅仅是在训练期间使用的数据上。在此背景下，一个非常现实的场景涉及领域泛化，即构建能够在多个视觉领域中稳健工作的视觉识别算法的能力，而无需访问任何关于目标数据统计的信息。本文对该研究方向做出了贡献，提出了一种深度架构，该架构在保持可用源领域数据信息分离的同时，利用通用感知信息。我们通过引入特定领域聚合模块来实现这一点，该模块通过聚合层策略能够以有效的方式融合通用和特定信息。在两个不同的基准数据库上的实验展示了我们方法的强大能力，在领域泛化方面达到了新的 SOTA。
引用
@article{arxiv.1809.10966,
title = {Domain Generalization with Domain-Specific Aggregation Modules},
author = {Antonio D'Innocente and Barbara Caputo},
journal= {arXiv preprint arXiv:1809.10966},
year = {2018}
}