用于域自适应的图像到图像翻译
计算机视觉与模式识别
2017-12-05 v1
摘要
我们提出一种无监督域自适应的通用框架，其允许在源域上训练的深度神经网络在无需目标域任何训练标注的情况下于不同目标域上测试。这是通过添加额外的网络与损失来正则化骨干编码器网络所提取的特征实现的。为此，我们提出新颖地使用近期提出的非配对图像到图像翻译框架来约束编码器网络提取的特征。具体而言，我们要求所提取的特征能够重建两域中的图像。此外，我们要求从两域图像提取的特征分布不可区分。许多近期工作可视为我们通用框架的特例。我们将方法应用于 MNIST、USPS 和 SVHN 数据集间，以及 Amazon、Webcam 和 DSLR Office 数据集间的分类任务域自适应，以及 GTA5 与 Cityscapes 数据集间的分割任务域自适应。我们在上述各数据集上均展示了最先进的性能。
引用
@article{arxiv.1712.00479,
title = {Image to Image Translation for Domain Adaptation},
author = {Zak Murez and Soheil Kolouri and David Kriegman and Ravi Ramamoorthi and Kyungnam Kim},
journal= {arXiv preprint arXiv:1712.00479},
year = {2017}
}