面向单域泛化的渐进式域扩展网络
计算机视觉与模式识别
2021-03-31 v1
摘要
单域泛化是模型泛化的一个具有挑战性的情形，其中模型在单一域上训练并在其他未见域上测试。一个有前景的解决方案是通过扩展训练域的覆盖范围来学习跨域不变表示。由于缺乏适当的安全性与有效性约束，这些方法在实际应用中泛化性能提升有限。本文提出一种称为渐进式域扩展网络（PDEN）的新型学习框架用于单域泛化。PDEN中的域扩展子网络与表示学习子网络通过联合学习相互受益。对于域扩展子网络，逐步生成多个域以模拟未见域中的各种光度与几何变换。引入一系列策略以保证扩展域的安全性与有效性。对于域不变表示学习子网络，引入对比学习来学习域不变表示，其中每个类别都被良好聚类，从而可以学习更好的决策边界以提升其泛化能力。在分类与分割任务上的大量实验表明，与最先进的单域泛化方法相比，PDEN可实现高达15.28%的性能提升。
引用
@article{arxiv.2103.16050,
title = {Progressive Domain Expansion Network for Single Domain Generalization},
author = {Lei Li and Ke Gao and Juan Cao and Ziyao Huang and Yepeng Weng and Xiaoyue Mi and Zhengze Yu and Xiaoya Li and Boyang xia},
journal= {arXiv preprint arXiv:2103.16050},
year = {2021}
}
备注
Accepted to CVPR2021