跨域与跨任务的同时深度迁移
计算机视觉与模式识别
2015-10-09 v1
摘要
近期报告指出，在大规模数据集上训练的通用有监督深度CNN模型减轻但未消除数据集偏差。在新域中对深度模型进行微调可能需要大量标注数据，而许多应用根本无法提供这些数据。我们提出了一种新的CNN架构，以利用未标注和稀疏标注的目标域数据。我们的方法同时优化域不变性以促进域迁移，并使用软标签分布匹配损失在任务间传递信息。我们提出的自适应方法在监督和半监督自适应设置下评估，在两个标准基准视觉域自适应任务上提供了超越先前发表结果的经验性能。
引用
@article{arxiv.1510.02192,
title = {Simultaneous Deep Transfer Across Domains and Tasks},
author = {Eric Tzeng and Judy Hoffman and Trevor Darrell and Kate Saenko},
journal= {arXiv preprint arXiv:1510.02192},
year = {2015}
}