混合集域适应
机器学习
2020-11-06 v1
摘要
在常规域适应的设定中，源数据集的类别来自同一域（或多源域适应中的多个域），这在现实中并非总是成立。在本文中，我们提出 \textbf{\textit{混合集域适应} (MSDA)}。在 MSDA 设定下，源数据集的不同类别并非全部采集自同一域。例如，类别 采集自域 ，而类别 采集自域 。在此情形下，由于源数据内部的分布差异，域适应性能会进一步受到影响。我们还提出了一种可减小不同类别间分布差异的特征逐元素加权（FEW）方法用于 MSDA。实验结果和质量分析显示了解决 MSDA 问题的重要性以及所提方法的有效性。
引用
@article{arxiv.2011.02877,
title = {Mixed Set Domain Adaptation},
author = {Sitong Mao and Keli Zhang and Fu-lai Chung},
journal= {arXiv preprint arXiv:2011.02877},
year = {2020}
}