用于部分域自适应的重要性加权对抗网络
计算机视觉与模式识别
2018-03-30 v2
摘要
本文提出了一种基于重要性加权对抗网络的无监督域自适应方法，专门针对目标域类别数少于源域的部分域自适应。此前的域自适应方法通常假设具有相同的标签空间，从而使得减小分布散度能够实现可行的知识迁移。然而，在需要从更大、更多样化的源域自适应到类别数更少的更小目标域的更现实场景中，这种假设不再成立。本文扩展了基于对抗网络的域自适应，并提出了一种新颖的基于对抗网络的部分域自适应方法，以识别可能来自异常类的源样本，同时减小域间共享类别的偏移。
引用
@article{arxiv.1803.09210,
title = {Importance Weighted Adversarial Nets for Partial Domain Adaptation},
author = {Jing Zhang and Zewei Ding and Wanqing Li and Philip Ogunbona},
journal= {arXiv preprint arXiv:1803.09210},
year = {2018}
}