ImageNet模型选择对域适应的影响
计算机视觉与模式识别
2020-02-10 v1
摘要
深度神经网络被广泛用于图像分类问题。然而，鲜有工作探讨来自不同深度神经网络的特征如何影响域适应问题。现有方法通常从单一的ImageNet模型中提取深度特征，而未探索其他神经网络。本文研究了不同的ImageNet模型如何影响域适应问题上的迁移精度。我们从十六个不同的预训练ImageNet模型中提取特征，并考察了十二种基准方法在使用这些特征时的性能。大量实验结果表明，精度更高的ImageNet模型能产生更好的特征，并带来域适应问题上更高的精度（相关系数高达0.95）。我们还考察了每个神经网络的结构，以寻找用于特征提取的最佳层。综上，我们使用所得特征在三个基准数据集上的性能超越了当前最先进水平。
引用
@article{arxiv.2002.02559,
title = {Impact of ImageNet Model Selection on Domain Adaptation},
author = {Youshan Zhang and Brian D. Davison},
journal= {arXiv preprint arXiv:2002.02559},
year = {2020}
}