基于辅助模型自训练的渐进式域适应
机器学习
2021-06-21 v1
摘要
随着源域与目标域之间差距的增大，域适应变得更具挑战性。受关于带标签源数据在远离目标域使用中的可靠性之实证分析启发，我们提出辅助模型自训练（AuxSelfTrain），其学习中间域的模型并逐步对抗跨域的远离式偏移。我们引入演进中间域作为源数据比例递减、目标数据比例递增的组合，并对其采样以最小化连续域之间的域距离。随后，通过在演进中间域上对辅助模型进行自训练，源模型可被逐步适应至目标域中使用。我们还引入一种通过隐式集成进行样本选择的增强指标，并将所提方法扩展至半监督域适应。在无监督与半监督域适应的基准数据集上的实验验证了其有效性。
引用
@article{arxiv.2106.09890,
title = {Gradual Domain Adaptation via Self-Training of Auxiliary Models},
author = {Yabin Zhang and Bin Deng and Kui Jia and Lei Zhang},
journal= {arXiv preprint arXiv:2106.09890},
year = {2021}
}
备注
code will be released at: https://github.com/YBZh/AuxSelfTrain