目标域自适应
计算机视觉与模式识别
2021-09-03 v1 人工智能
机器学习
摘要
域适应旨在缓解在源域训练与在目标域测试之间的偏移。大多数适应方法通过源数据与目标数据的联合优化来依赖源数据。无源方法以源模型替代源数据，并在目标上对其进行微调。无论哪种方式，模型表示与分类器的大部分参数更新都源自源而非目标。然而，目标准确率才是目标，因此我们主张尽可能在目标数据上优化。我们展示了目标域自适应带来的显著改进，该方法纯粹从目标数据学习表示，同时仅采用源预测作为监督。在长尾分类设定下，我们展示了通过目标域类别分布学习（从目标数据学习类别的（不）平衡）获得的进一步改进。
引用
@article{arxiv.2109.01087,
title = {On-target Adaptation},
author = {Dequan Wang and Shaoteng Liu and Sayna Ebrahimi and Evan Shelhamer and Trevor Darrell},
journal= {arXiv preprint arXiv:2109.01087},
year = {2021}
}