用于无监督领域自适应的非线性嵌入变换
计算机视觉与模式识别
2017-06-26 v1
摘要
领域自适应（DA）问题处理的是将在一种数据分布上训练的分类器模型自适应到不同的数据分布。在本文中，我们通过结合领域对齐与基于相似性的嵌入，引入了用于无监督 DA 的非线性嵌入变换（NET）。我们还引入了一种验证程序，以利用源数据估计 NET 算法的模型参数。在多个视觉数据集上的综合评估表明，NET 算法在无监督 DA 中优于现有的竞争方法。
引用
@article{arxiv.1706.07524,
title = {Nonlinear Embedding Transform for Unsupervised Domain Adaptation},
author = {Hemanth Venkateswara and Shayok Chakraborty and Sethuraman Panchanathan},
journal= {arXiv preprint arXiv:1706.07524},
year = {2017}
}
备注
ECCV Workshops 2016