面向开放集域适应的渐进式伪标签样本选择与拒绝

Qian Wang; Fanlin Meng; Toby P. Breckon

面向开放集域适应的渐进式伪标签样本选择与拒绝

计算机视觉与模式识别 2021-10-26 v1 机器学习

作者: Qian Wang , Fanlin Meng , Toby P. Breckon

摘要

域适应利用有标签的源域数据与无标签的目标域数据来解决目标域中的图像分类问题。通常,源域与目标域共享相同的类别集合。作为一种特殊情况,开放集域适应(OSDA)假设目标域中存在源域未包含的额外类别。为解决此类域适应问题,我们提出的方法使用一种新颖的开放集局部保留投影(OSLPP)算法为源域与目标域学习判别性公共子空间。源域与目标域数据在所学公共空间中按类别对齐。为处理开放集分类问题,我们的方法渐进式地选择目标样本将其伪标记为已知类别,并在检测到来自未知类别的离群点时予以拒绝。公共子空间学习算法OSLPP同时对齐来自已知类别的有标签源域数据与伪标签目标域数据,并将被拒绝的目标域数据推离已知类别。公共子空间学习与伪标签样本选择/拒绝在迭代学习框架中相互促进,并在基准数据集Office-31与Office-Home上以平均HOS分别达到87.4%与67.0%取得最先进性能。

关键词

开放集域适应伪标签选择离群点拒绝局部保留投影子空间学习图像分类

引用

@article{arxiv.2110.12635,
  title  = {Progressively Select and Reject Pseudo-labelled Samples for Open-Set Domain Adaptation},
  author = {Qian Wang and Fanlin Meng and Toby P. Breckon},
  journal= {arXiv preprint arXiv:2110.12635},
  year   = {2021}
}

备注

8 pages

面向开放集域适应的渐进式伪标签样本选择与拒绝

摘要

关键词

引用

备注

相关论文