用于视觉领域自适应的自集成方法
计算机视觉与模式识别
2018-09-25 v4
摘要
本文探讨了自集成在视觉领域自适应问题中的应用。我们的技术衍生自时序集成（Laine 等，2017）的平均教师变体（Tarvainen 等，2017），该技术在半监督学习领域取得了最先进的结果。我们针对具有挑战性的领域自适应场景对其方法进行了若干修改，并评估了其有效性。我们的方法在多个基准测试中取得了最先进的结果，包括我们在 VISDA-2017 视觉领域自适应挑战赛中的获胜方案。在小型图像基准测试中，我们的算法不仅优于先前的方法，而且能够达到接近于有监督训练分类器的准确率。
引用
@article{arxiv.1706.05208,
title = {Self-ensembling for visual domain adaptation},
author = {Geoffrey French and Michal Mackiewicz and Mark Fisher},
journal= {arXiv preprint arXiv:1706.05208},
year = {2018}
}
备注
20 pages, 3 figure, accepted as a poster at ICLR 2018