面向半监督域适应的动态特征对齐
计算机视觉与模式识别
2021-10-20 v1
摘要
大多数域适应研究聚焦于纯无监督设定，即目标域中无可用标注样本。然而，在许多真实场景中，少量标注目标数据是可用的，并可用于改善适应。我们处理这一半监督设定，并提出使用动态特征对齐来解决域间与域内差异。与以往尝试在mini-batch内对齐源域和目标域特征的方法不同，我们提出将目标特征对齐到一组动态更新的类原型，并将其同时用于最小化散度和伪标注。通过基于类原型更新，我们避免了以往方法因类不平衡而产生的问题。我们的方法无需大量调参或对抗训练，显著提升了半监督域适应的当前最优水平。我们在两个标准数据集DomainNet和Office-Home上提供了定量评估及性能分析。
引用
@article{arxiv.2110.09641,
title = {Dynamic Feature Alignment for Semi-supervised Domain Adaptation},
author = {Yu Zhang and Gongbo Liang and Nathan Jacobs},
journal= {arXiv preprint arXiv:2110.09641},
year = {2021}
}
备注
BMVC 2021