面向开集域适应的未知感知域对抗学习
机器学习
2022-10-25 v2 人工智能
摘要
开集域适应（OSDA）假设目标域包含源域中未发现的未知类。现有的域对抗学习方法不适用于OSDA，因为与类进行分布匹配会导致负迁移。以往的OSDA方法仅利用类来匹配源域和目标域分布。然而，这种仅的匹配可能不足以学习目标特征空间。因此，我们提出了未知感知域对抗学习（UADAL），其在特征对齐过程中源域和目标分布，同时目标分布。我们对所提出的特征对齐的优化状态提供了理论分析，从而能从理论上保证与。在实证上，我们在基准数据集上评估UADAL，结果表明UADAL通过报告最先进的性能，以更好的特征对齐优于其他方法。
引用
@article{arxiv.2206.07551,
title = {Unknown-Aware Domain Adversarial Learning for Open-Set Domain Adaptation},
author = {JoonHo Jang and Byeonghu Na and DongHyeok Shin and Mingi Ji and Kyungwoo Song and Il-Chul Moon},
journal= {arXiv preprint arXiv:2206.07551},
year = {2022}
}
备注
Accepted at NeurIPS 2022