以乐观与一致性应对无监督多源域适应
机器学习
2020-09-30 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
人们早已知道，多源域适应问题可视为单一源域适应任务，其中源域对应于原始源域的混合物。然而，如何调整混合分布权重仍是一个开放问题。此外，该主题上大多数现有工作仅聚焦于最小化源域上的误差并实现域不变表示，这不足以保证目标域上的低误差。在本工作中，我们提出一种新颖框架，利用温和乐观目标函数与对目标样本的一致性正则化，同时解决这两个问题并击败当前最优方法。
引用
@article{arxiv.2009.13939,
title = {Tackling unsupervised multi-source domain adaptation with optimism and consistency},
author = {Diogo Pernes and Jaime S. Cardoso},
journal= {arXiv preprint arXiv:2009.13939},
year = {2020}
}