通过协方差归一化的高效多域网络学习
计算机视觉与模式识别
2019-06-26 v1
摘要
本文考虑深度网络的多域学习问题。为每个目标域引入一个自适应层，并提出一种新方法——协方差归一化（CovNorm）来减少其参数。CovNorm是一种数据驱动的方法，实现相当简单，需要两次主成分分析（PCA）和微调一个微型自适应层。然而，理论和实验都表明，与之前的方法（如批归一化或几何矩阵近似）相比，它具有若干优势。此外，CovNorm既可以顺序部署目标数据集，也可以同时部署。实验表明，在两种情况下，其性能与完全微调的网络相当，而每个目标域使用的参数仅为相应参数的0.13%。
引用
@article{arxiv.1906.10267,
title = {Efficient Multi-Domain Network Learning by Covariance Normalization},
author = {Yunsheng Li and Nuno Vasconcelos},
journal= {arXiv preprint arXiv:1906.10267},
year = {2019}
}
备注
10 Pages Accepted by CVPR 2019