偏对抗域适应
计算机视觉与模式识别
2018-08-14 v1
摘要
域对抗学习在一个两人极小极大博弈中跨源域和目标域对齐特征分布。现有的域对抗网络通常假设不同域之间具有相同的标签空间。在大数据存在的情况下，将深度模型从现有大域迁移到未知小域有着强烈动机。本文引入偏域适应作为一种新的域适应场景，它将完全共享标签空间的假设放宽为源标签空间包含目标标签空间。先前的方法通常将整个源域匹配到目标域，由于标签空间之间的巨大不匹配，对于偏域适应问题易受负迁移影响。我们提出偏对抗域适应(PADA)，它通过在训练源分类器和域对手时降低离群源类数据的权重来缓解负迁移，并通过在共享标签空间中匹配特征分布来促进正迁移。实验表明，在多个数据集上PADA在偏域适应任务中超越了最先进的结果。
引用
@article{arxiv.1808.04205,
title = {Partial Adversarial Domain Adaptation},
author = {Zhangjie Cao and Lijia Ma and Mingsheng Long and Jianmin Wang},
journal= {arXiv preprint arXiv:1808.04205},
year = {2018}
}
备注
14 pages, ECCV 2018 poster. arXiv admin note: text overlap with arXiv:1707.07901