用于无监督域适应的域特定批归一化
机器学习
2019-06-11 v1 人工智能
机器学习
摘要
我们提出了一种基于深度神经网络中域特定批归一化的新型无监督域适应框架。我们的目标是通过使卷积神经网络中的批归一化层专门化，同时允许它们共享所有其他模型参数来适应两个域，这由一个两阶段算法实现。在第一阶段，我们使用外部无监督域适应算法——例如MSTN或CPUA——结合所提域特定批归一化，为目标域中的样本估计伪标签。第二阶段使用源域和目标域的多任务分类损失学习最终模型。注意两个域在两个阶段均有独立的批归一化层。我们的框架可轻松嵌入基于带批归一化层的深度神经网络的域适应技术中。我们还展示了我们的方法可扩展至多源域问题。所提算法在多个基准数据集上进行了评估，并在标准设置和多源域适应场景中达到了最先进的精度。
引用
@article{arxiv.1906.03950,
title = {Domain-Specific Batch Normalization for Unsupervised Domain Adaptation},
author = {Woong-Gi Chang and Tackgeun You and Seonguk Seo and Suha Kwak and Bohyung Han},
journal= {arXiv preprint arXiv:1906.03950},
year = {2019}
}