基于结构条件对抗学习的无监督域自适应图像分类方法
计算机视觉与模式识别
2021-03-05 v1
摘要
无监督域自适应（UDA）通常通过对抗学习将知识从有标签的源域迁移到无标签的目标域。原则上，现有UDA方法主要关注域间的全局分布对齐，而忽略了固有的局部分布特性。受此观察启发，我们提出了一种端到端的结构条件对抗学习方案（SCAL），能够在域分布对齐过程中保持类内紧致性。通过使用局部结构作为结构感知条件，所提方案在一个结构条件对抗学习流程中实现。上述学习过程通过在局部结构建立与结构条件对抗学习之间交替迭代执行。实验结果证明了该方案在UDA场景中的有效性。
引用
@article{arxiv.2103.02808,
title = {Unsupervised Domain Adaptation for Image Classification via Structure-Conditioned Adversarial Learning},
author = {Hui Wang and Jian Tian and Songyuan Li and Hanbin Zhao and Qi Tian and Fei Wu and Xi Li},
journal= {arXiv preprint arXiv:2103.02808},
year = {2021}
}