基于模糊感知损失的视觉情感识别源域无监督域适应
计算机视觉与模式识别
2025-01-28 v1 机器学习
摘要
视觉情感识别的源域无监督域适应 (SFDA-VER) 是一个需要在不依赖源数据的情况下将 VER 模型适配目标域的极具挑战性的任务，这对于数据隐私保护具有重要意义。然而，由于视觉情感数据与传统图像分类数据之间的不可忽略差异，现有的 SFDA 方法在该任务上表现不佳。在本文中，我们从模糊视角入手，发现两个关键问题：模糊情感标签和模糊伪标签。这些问题源于情感注释固有的不确定性以及伪标签潜在误差。在解决这些问题方面，我们提出了一种新颖的模糊感知损失 (FAL)，以使 VER 模型能够在模糊标签下更好地学习和适应新域。具体而言，FAL 修改标准交叉熵损失，聚焦于调整非预测类别的损失，从而防止大量不确定或错误的预测在适应期间压倒 VER 模型。在本文中，我们对 FAL 进行理论分析，并证明其在处理伪标签噪声方面具有鲁棒性。在三个基准数据集上的 26 个域适应子任务中进行的大量实验表明，我们方法的有效性。
引用
@article{arxiv.2501.15519,
title = {Fuzzy-aware Loss for Source-free Domain Adaptation in Visual Emotion Recognition},
author = {Ying Zheng and Yiyi Zhang and Yi Wang and Lap-Pui Chau},
journal= {arXiv preprint arXiv:2501.15519},
year = {2025}
}