面向无监督域适应的自节奏协同对抗网络
计算机视觉与模式识别
2025-06-25 v1
摘要
本文提出了一种新的无监督域适应方法，称为协同对抗网络(CAN)，其使用域协同和域对抗学习策略进行神经网络训练。域协同学习旨在学习域特定特征表示以保留目标域的可辨识性，而域对抗学习旨在学习域无关特征表示以减少源域和目标域之间的分布不匹配。我们表明，这两种学习策略可统一形式化为带有正或负权重的域分类器学习。我们随后设计了协同对抗训练方案，通过协同学习从CNN的较低层块自动学习域特定表示，通过对抗学习从较高层块学习域无关表示。此外，为进一步增强目标域中的可辨识性，我们提出了自节奏CAN(SPCAN)，通过自节奏学习策略按易到难方式选择伪标记目标样本进行重新训练。我们在不同基准数据集上进行了全面实验，包括Office-31、ImageCLEF-DA和VISDA-2017用于对象识别任务，以及UCF101-10和HMDB51-10用于视频动作识别任务，结果表明我们新提出的方法在无监督域适应方面取得了最先进的性能，清晰地证明了我们方法的有效性。
引用
@article{arxiv.2506.19267,
title = {Self-Paced Collaborative and Adversarial Network for Unsupervised Domain Adaptation},
author = {Weichen Zhang and Dong Xu and Wanli Ouyang and Wen Li},
journal= {arXiv preprint arXiv:2506.19267},
year = {2025}
}