OTAdapt：基于最优传输的无监督域适应方法
计算机视觉与模式识别
2022-05-24 v1
摘要
无监督域适应是计算机视觉中的挑战性问题之一。本文提出一种基于最优传输距离的无监督域适应新方法。我们的方法无需跨域有意义度量即可对齐目标域与源域。此外，该方案能关联源域与目标域间的正确映射，并保证源域与目标域间的拓扑约束。所提方法在不同问题的多个数据集上评估，即（i）MNIST、MNIST-M、USPS 数据集上的数字识别，（ii）Amazon、Webcam、DSLR 和 VisDA 数据集上的物体识别，（iii）IP102 数据集上的昆虫识别。实验结果表明，我们提出的方法持续提高性能精度。同时，我们的框架可融入任意其他 CNN 框架，在端到端深度网络设计中提升识别问题性能。
引用
@article{arxiv.2205.10738,
title = {OTAdapt: Optimal Transport-based Approach For Unsupervised Domain Adaptation},
author = {Thanh-Dat Truong and Naga Venkata Sai Raviteja Chappa and Xuan Bac Nguyen and Ngan Le and Ashley Dowling and Khoa Luu},
journal= {arXiv preprint arXiv:2205.10738},
year = {2022}
}
备注
Accepted to ICPR 2022