目标域数据在类别不相交的混合域训练中产生负迁移
机器学习
2023-03-03 v1 计算机视觉与模式识别
摘要
在实际场景中，目标域内可用的训练数据往往仅存在于有限数量的类别中，其余类别仅在替代域中可用。我们表明，当目标域与替代域之间存在不相交类别时，将目标域纳入训练会产生显著的负迁移，并导致性能相比完全不使用目标域训练显著下降。我们假设该负迁移源于仅当存在多源域时才出现的中间捷径，并提供了实验证据支持这一假设。我们展示了该现象在超过25个不同的域偏移（合成与真实）上均会出现，且在许多情况下即便使用SOTA域适应方法也会使性能恶化至远差于随机。
引用
@article{arxiv.2303.01003,
title = {Target Domain Data induces Negative Transfer in Mixed Domain Training with Disjoint Classes},
author = {Eryk Banatt and Vickram Rajendran and Liam Packer},
journal= {arXiv preprint arXiv:2303.01003},
year = {2023}
}
备注
8 pages