无源数据情形下的无监督域适应
计算机视觉与模式识别
2020-07-21 v1 机器学习
摘要
当前的无监督域适应方法能处理多种类型的分布偏移，但它们假设源域数据可自由获取。随着预训练模型的使用日益普遍，假定源数据不可用是合理的。我们提出一种无监督方法，用于将源分类器适应到沿自然轴（如亮度和对比度）与源域不同的目标域。我们的方法仅需访问无标签目标样本和源分类器。我们在分布偏移涉及亮度、对比度和旋转的场景中验证了方法，并表明在有限标签数据场景下其优于微调基线。
引用
@article{arxiv.2007.10233,
title = {Unsupervised Domain Adaptation in the Absence of Source Data},
author = {Roshni Sahoo and Divya Shanmugam and John Guttag},
journal= {arXiv preprint arXiv:2007.10233},
year = {2020}
}