基于新类别发现的开放集域自适应
计算机视觉与模式识别
2022-03-08 v1
摘要
在开放集域自适应（OSDA）中，大量目标样本来自源域中从未出现的隐式类别。由于缺乏其具体归属，现有方法不加区分地将它们视为单一未知类。我们质疑这一被广泛采用的做法，因其完全忽略了隐式类别间的决策边界，可能引发意想不到的有害影响。相反，我们提出自监督类别发现适配器（SCDA），试图通过逐步发现这些隐式类别，进而将其纳入以重构分类器并迭代更新域自适应特征，从而实现 OSDA。SCDA 执行两个交替步骤，分别实现隐式类别发现与自监督 OSDA。通过对两项任务联合优化，SCDA 在 OSDA 上达到了最先进水平，并展现出挖掘隐式目标类别的竞争力。
引用
@article{arxiv.2203.03329,
title = {Open Set Domain Adaptation By Novel Class Discovery},
author = {Jingyu Zhuang and Ziliang Chen and Pengxu Wei and Guanbin Li and Liang Lin},
journal= {arXiv preprint arXiv:2203.03329},
year = {2022}
}