基于极值理论的开放集域适应
机器学习
2021-01-08 v1 人工智能
机器学习
摘要
常见的域适应技术假设源域和目标域共享相同的标签空间,这是有问题的,因为当目标样本无标签时,我们无法得知两个域是否共享相同的标签空间。当情况并非如此时,现有方法表现不佳,因为在适应过程中额外的未知类别也被与源域进行了匹配。本文中,我们在源域和目标域标签空间仅部分重叠的假设下处理开放集域适应问题,任务变为当存在未知类别时,如何检测目标未知类别并避免将其与源域对齐。我们提出利用实例级重加权策略进行域适应,其中权重指示样本属于已知类别的可能性,并用极值理论对熵分布的尾部建模以检测未知类别。在常规域适应数据集上的实验表明,所提方法优于最先进的模型。
引用
@article{arxiv.2101.02561,
title = {Open Set Domain Adaptation by Extreme Value Theory},
author = {Yiming Xu and Diego Klabjan},
journal= {arXiv preprint arXiv:2101.02561},
year = {2021}
}