用于无监督域适应的分层最优传输
计算机视觉与模式识别
2022-10-11 v1 机器学习
机器学习
摘要
本文中，我们提出一种用于无监督域适应的新方法，其关联了最优传输、学习概率测度与无监督学习的概念。所提方法HOT-DA基于最优传输的分层表述，其利用了源域和目标域中超越由底距离捕获的几何信息之外的更丰富结构信息。有标签源域中的附加信息通过按类标签将样本分组为结构而本能地形成。而在无标签目标域中探索隐藏结构被化简为通过Wasserstein重心学习概率测度的问题，我们证明这等价于谱聚类。在具有可控复杂度的玩具数据集和两个具有挑战性的视觉适应数据集上的实验显示了所提方法优于当前最优方法。
引用
@article{arxiv.2112.02073,
title = {Hierarchical Optimal Transport for Unsupervised Domain Adaptation},
author = {Mourad El Hamri and Younès Bennani and Issam Falih and Hamid Ahaggach},
journal= {arXiv preprint arXiv:2112.02073},
year = {2022}
}