用于无监督域适应的师生竞争
计算机视觉与模式识别
2020-10-21 v2 机器学习
摘要
现有无监督域适应（UDA）方法仅在类级别上来自源域的监督，主要从共享特征提取器学习域不变表示，这导致了源偏置问题。本文提出一种具有师生竞争（TSC）的无监督域适应方法。具体而言，引入一个学生网络来学习目标特定特征空间，并且我们设计了一种新颖的竞争机制，为学生网络的训练选择更可信的伪标签。我们引入一个具有现有常规 UDA 方法结构的教师网络，教师和学生网络相互竞争以提供目标伪标签，从而约束学生网络中每个目标样本的训练。大量实验表明，我们提出的 TSC 框架在 Office-31 和 ImageCLEF-DA 基准上显著优于最先进的域适应方法。
引用
@article{arxiv.2010.09572,
title = {Teacher-Student Competition for Unsupervised Domain Adaptation},
author = {Ruixin Xiao and Zhilei Liu and Baoyuan Wu},
journal= {arXiv preprint arXiv:2010.09572},
year = {2020}
}
备注
Accepted by ICPR 2020