基于最优传输的开放集域自适应
机器学习
2020-10-05 v1 机器学习
摘要
我们提出一种两步最优传输方法，实现从源分布到目标分布的映射。此处目标分布的特殊之处在于出现了源域中不存在的新类别。该方法的第一步旨在利用最优传输计划拒绝来自这些新类别的样本。第二步将目标（类别比例）偏移仍作为最优传输问题求解。我们发展了偶对偶方法求解每一步涉及的优化问题，并证明我们的结果优于近期最先进（SOTA）性能。我们进一步将该应用于源域与目标域同时存在标签偏移与递增协变量（特征）偏移的情形，以展示其鲁棒性。
引用
@article{arxiv.2010.01045,
title = {Open Set Domain Adaptation using Optimal Transport},
author = {Marwa Kechaou and Romain Hérault and Mokhtar Z. Alaya and Gilles Gasso},
journal= {arXiv preprint arXiv:2010.01045},
year = {2020}
}
备注
Accepted at ECML-PKDD 2020, Acknowledgements added