用于域适应的最优传输
机器学习
2016-06-23 v2
摘要
将一个数据空间（或域）到另一个的域适应是现代数据分析中最具挑战性的任务之一。如果适应正确完成，构建于特定数据空间上的模型在面临描绘相同语义概念（类别）但由具有自身特性的另一观测系统观测到的数据时，会变得更加鲁棒。在众多提出的域适应策略中，寻找公共表示已展现出优良性质：通过为两个域寻找公共表示，单个分类器可在两者中都有效，并利用源域中有标签样本来预测目标域的无标签样本。在本文中，我们提出一种正则化无监督最优传输模型，以执行源域和目标域中表示的对齐。我们学习一个匹配两个 PDF 的传输计划，其约束源域中有标签样本在传输过程中保持接近。以此方式，我们同时利用了源域中少量标签信息和在两个域中观察到的无标签分布。在玩具及具有挑战性的真实视觉适应例子上的实验显示了该方法的价值，其一致优于 SOTA 方法。
引用
@article{arxiv.1507.00504,
title = {Optimal Transport for Domain Adaptation},
author = {Nicolas Courty and Rémi Flamary and Devis Tuia and Alain Rakotomamonjy},
journal= {arXiv preprint arXiv:1507.00504},
year = {2016}
}