利用自监督应对部分域适应
计算机视觉与模式识别
2019-06-13 v1
摘要
域适应方法在减少视觉域之间的边缘分布差异方面已展现出有前景的结果。它们允许训练出能在不同性质的数据集（照片、绘画等）上工作的可靠模型，但当域不共享相同的标签空间时，它们仍然面临困难。在部分域适应设定中，目标域仅覆盖源域类别的一个子集，减少域差距而不引发负迁移具有挑战性。许多解决方案只是通过添加启发式样本加权策略来保持标准的域适应技术。在这项工作中，我们展示了如何利用从图像块的空间共位获得的自监督信号来定义一个辅助任务，该任务支持适应，而无论域间确切的标签共享条件如何。我们基于最近一项为域泛化引入拼图任务的工作：我们描述了如何为部分域适应重新构建这一方法，并展示了当与现有自适应解决方案结合时，它如何提升这些方案的性能。在三个数据集上获得的实验结果支持了我们方法的有效性。
引用
@article{arxiv.1906.05199,
title = {Tackling Partial Domain Adaptation with Self-Supervision},
author = {Silvia Bucci and Antonio D'Innocente and Tatiana Tommasi},
journal= {arXiv preprint arXiv:1906.05199},
year = {2019}
}