半监督对抗判别域适应
计算机视觉与模式识别
2022-10-20 v2 机器学习
摘要
域适应是一种有潜力训练强大深度神经网络的方法，可应对标注数据缺失的问题。更确切地说，当训练数据集与测试数据集差异极大时，域适应解决了称为数据集偏差或域偏移的局限性。对抗适应方法在其他域适应方法中日益流行。基于 GAN 的思想，对抗域适应试图在对抗目标下最小化训练与测试数据集之间的分布差异。然而，一些传统的对抗域适应方法无法处理两个数据集之间的大幅域偏移，或这些方法的泛化能力不佳。本文提出一种改进的对抗域适应方法，称为半监督对抗判别域适应（SADDA），可克服其他域适应的局限性。我们还展示了 SADDA 优于其他对抗适应方法，并在数字分类与情感识别问题上说明了我们所提方法的前景。
引用
@article{arxiv.2109.13016,
title = {Semi-Supervised Adversarial Discriminative Domain Adaptation},
author = {Thai-Vu Nguyen and Anh Nguyen and Nghia Le and Bac Le},
journal= {arXiv preprint arXiv:2109.13016},
year = {2022}
}
备注
14 pages, 5 figures