无源域自适应中的半监督假设迁移
计算机视觉与模式识别
2021-07-15 v1
摘要
域自适应已广泛用于应对视觉、语言、多媒体等领域中的分布偏移。大多数域自适应方法利用来自两个域的数据学习域不变特征。然而，当由于数据隐私问题源数据不可用时，这种策略在实践中可能不可行。为解决此问题，我们提出了一种在自适应阶段不访问源数据的通过假设迁移进行自适应的新方法。为充分利用有限的目标数据，提出了一种半监督互增强方法，其中熵最小化与增广标签传播被迭代使用以执行域间与域内对齐。与最先进的方法相比，在三个公开数据集上的实验结果表明，我们的方法在半监督自适应任务上取得了高达 19.9% 的提升。
引用
@article{arxiv.2107.06735,
title = {Semi-Supervised Hypothesis Transfer for Source-Free Domain Adaptation},
author = {Ning Ma and Jiajun Bu and Lixian Lu and Jun Wen and Zhen Zhang and Sheng Zhou and Xifeng Yan},
journal= {arXiv preprint arXiv:2107.06735},
year = {2021}
}