缓解无监督域适应中分类器的不确定性
机器学习
2021-07-05 v1 计算机视觉与模式识别
摘要
理解无监督域适应一直是一项已被充分探索的重要任务。然而，种类繁多的现有方法并未详细分析分类器性能的作用。在本文中，我们从匹配源域和目标域分布的角度深入考察了分类器的作用。我们具体通过匹配 a) 特征分布、b) 样本的概率不确定性以及 c) 确定性激活映射来研究分类器的能力。我们的分析表明，使用这三种分布确实在所有数据集上带来了一致的性能提升。因此，我们的工作扩展了对从分类器获得的各种分布在解决无监督域适应中的作用的认识。
引用
@article{arxiv.2107.00727,
title = {Mitigating Uncertainty of Classifier for Unsupervised Domain Adaptation},
author = {Shanu Kumar and Vinod Kumar Kurmi and Praphul Singh and Vinay P Namboodiri},
journal= {arXiv preprint arXiv:2107.00727},
year = {2021}
}