基于软迁移网络的异构域适应
机器学习
2019-08-29 v1 计算机视觉与模式识别
机器学习
摘要
异构域适应(HDA)旨在通过借鉴异构源域的知识来促进目标域的学习任务。在本文中,我们提出了一种软迁移网络(STN),以端到端的方式联合学习域共享分类器和域不变子空间,用于解决 HDA 问题。所提出的 STN 不仅对齐了域的判别方向,还匹配了跨域的边缘分布和条件分布。为避免负迁移,STN 利用未标记目标数据的软标签策略对齐条件分布,该策略防止将每个未标记目标数据硬分配到可能不正确的单一类别中。此外,STN 引入了一个自适应系数,以逐渐提高软标签的重要性,因为随着迭代次数的增加,软标签将变得越来越准确。我们在图像到图像、文本到图像和文本到文本的迁移任务上进行了实验。实验结果证明,STN 显著优于几种最先进的方法。
引用
@article{arxiv.1908.10552,
title = {Heterogeneous Domain Adaptation via Soft Transfer Network},
author = {Yuan Yao and Yu Zhang and Xutao Li and Yunming Ye},
journal= {arXiv preprint arXiv:1908.10552},
year = {2019}
}
备注
Accepted by ACM Multimedia (ACM MM) 2019