预见你将所学：非平稳环境下用于域泛化的数据增强
计算机视觉与模式识别
2023-03-09 v2 人工智能
摘要
现有的域泛化旨在学习一个可泛化的模型，即使在未见域上也能表现良好。对于许多真实世界的机器学习应用，数据分布常沿域索引逐渐偏移。例如，配备视觉系统的自动驾驶汽车从黎明驶至黄昏，天空逐渐变暗。因此，系统必须能适应环境光照变化并继续安全行驶。本文将此类问题表述为演化域泛化，其中模型旨在通过发现并利用环境的演化模式在目标域上良好泛化。我们随后提出方向性域增强(DDA)，其通过域变换器将源数据映射为增强来模拟未见目标特征。具体而言，我们将 DDA 表述为双层优化问题，并通过表示空间中的新颖元学习方法求解。我们在合成与真实世界数据集上评估所提方法，实证结果表明我们的方法优于其他现有方法。
引用
@article{arxiv.2301.07845,
title = {Foresee What You Will Learn: Data Augmentation for Domain Generalization in Non-stationary Environment},
author = {Qiuhao Zeng and Wei Wang and Fan Zhou and Charles Ling and Boyu Wang},
journal= {arXiv preprint arXiv:2301.07845},
year = {2023}
}
备注
12 pages, 6 figures, accepted by AAAI 2023