通过域混合的异质域泛化
计算机视觉与模式识别
2020-09-14 v1
摘要
深度卷积神经网络（DCNN）的主要缺点之一是缺乏泛化能力。在这项工作中，我们关注异质域泛化问题，其旨在提升跨不同任务的泛化能力，即如何利用多域数据训练 DCNN 模型，使得训练所得的特征提取器能够泛化到支持在全新目标域中识别新类别。为解决该问题，我们提出了一种新颖的异质域泛化方法，通过两种不同采样策略在多个源域之间混合样本。基于 Visual Decathlon 基准的实验结果证明了我们所提方法的有效性。代码发布于 \url{https://github.com/wyf0912/MIXALL}。
引用
@article{arxiv.2009.05448,
title = {Heterogeneous Domain Generalization via Domain Mixup},
author = {Yufei Wang and Haoliang Li and Alex C. Kot},
journal= {arXiv preprint arXiv:2009.05448},
year = {2020}
}