面向域适应的 Grassmann 图注意力地标选择
计算机视觉与模式识别
2021-09-08 v1
摘要
域适应旨在利用源域信息提升目标域的分类性能。它主要利用两种方案：样本重加权与特征匹配。第一种方案为个体样本分配不同权重，第二种方案使用全局结构统计量匹配两域特征。两种方案互为补充，有望联合工作以实现鲁棒域适应。若干方法结合了这两种方案，但由于忽视样本的层次结构及样本间的几何性质，样本间底层关系分析不足。为更好地结合两方案优势，我们提出一种面向域适应的 Grassmann 图注意力地标选择（GGLS）框架。GGLS 提出一种利用样本图结构之注意力诱导邻域的地标选择方案，并在 Grassmann 流形上执行分布适应与知识适应。前者差异化对待各样本的地标，后者避免特征畸变并获得更好的几何性质。在不同真实世界跨域视觉识别任务上的实验结果表明，与最先进的域适应方法相比，GGLS 提供了更好的分类准确率。
引用
@article{arxiv.2109.02990,
title = {Grassmannian Graph-attentional Landmark Selection for Domain Adaptation},
author = {Bin Sun and Shaofan Wang and Dehui Kong and Jinghua Li and Baocai Yin},
journal= {arXiv preprint arXiv:2109.02990},
year = {2021}
}
备注
MTAP-R1,27 pages with 6 figures