用于域泛化的形状引导梯度投票
计算机视觉与模式识别
2023-06-21 v1
摘要
域泛化旨在解决训练与测试数据之间的域偏移。为学习域不变表示，模型通常在多个域上训练。研究发现，网络权重相对于特定任务损失的梯度可刻画任务本身。本文在假设分类任务下特定域样本的梯度亦能反映该域属性的基础上，提出一种用于域泛化的形状引导梯度投票（SGGV）方法。首先，我们通过网络的额外输入引入形状先验，以引导梯度向形状偏置方向下降，从而获得更好泛化。其次，我们提出一种新的梯度投票策略，在形状引导存在时剔除离群值以实现鲁棒优化。为提供形状引导，我们显式地添加从训练数据提取的边缘/草图，并隐式地使用纹理增强图像。我们在图像分类任务的多个流行域泛化数据集上实验，表明我们的形状引导梯度更新策略显著提升了泛化能力。
引用
@article{arxiv.2306.10809,
title = {Shape Guided Gradient Voting for Domain Generalization},
author = {Jiaqi Xu and Yuwang Wang and Xuejin Chen},
journal= {arXiv preprint arXiv:2306.10809},
year = {2023}
}
备注
Preprint