用于无监督域适应的因子化对抗网络
计算机视觉与模式识别
2018-06-06 v1 机器学习
摘要
在本文中，我们提出因子化对抗网络（FAN）来解决图像分类任务中的无监督域适应问题。我们的网络将数据分布映射到一个潜在特征空间，该空间被分解为包含领域特定特征的领域特定子空间和保留类别信息的任务特定子空间，分别对源域和目标域进行处理。通过对抗训练最小化源域和目标域的两个任务特定子空间分布之间的差异，从而实现无监督域适应。我们证明了所提方法在文献中用于无监督域适应的多个基准数据集上优于最先进的方法。此外，我们收集了两个比现有基准数据集大得多的真实世界标注数据集，并相对于基线取得了显著改进，证明了我们方法的实用价值。
引用
@article{arxiv.1806.01376,
title = {Factorized Adversarial Networks for Unsupervised Domain Adaptation},
author = {Jian Ren and Jianchao Yang and Ning Xu and David J. Foran},
journal= {arXiv preprint arXiv:1806.01376},
year = {2018}
}