基于 MixStyle 的域泛化
计算机视觉与模式识别
2021-04-06 v1 机器学习
摘要
尽管卷积神经网络（CNNs）在判别性特征学习方面展现出卓越能力，它们常对未见域泛化不佳。域泛化旨在通过学习一组源域得到一个可泛化至任意未见域的模型来解决此问题。本文提出一种基于跨源域概率性混合训练样本实例级特征统计的新方法。我们的方法称为 MixStyle，其动机源于视觉域与图像风格（如照片与素描图像）密切相关的观察。此类风格信息由 CNN 底层捕获，而我们提出的风格混合即在此处进行。混合训练实例的风格会隐式合成新域，从而增加源域的域多样性，进而提升训练模型的泛化性。MixStyle 完美契合小批量训练且极易于实现。MixStyle 的有效性在广泛任务上得到验证，包括类别分类、实例检索与强化学习。
引用
@article{arxiv.2104.02008,
title = {Domain Generalization with MixStyle},
author = {Kaiyang Zhou and Yongxin Yang and Yu Qiao and Tao Xiang},
journal= {arXiv preprint arXiv:2104.02008},
year = {2021}
}
备注
ICLR 2021; Code is available at https://github.com/KaiyangZhou/mixstyle-release