基于跨嫁接栈深度网络的无监督域适应
计算机视觉与模式识别
2019-03-26 v2
摘要
计算机视觉中当前的深度域适应方法主要集中于跨不同域学习判别性与域不变特征。本文中，我们提出一种新颖方法，通过无监督的“跨嫁接表示堆叠”（CGRS）机制将源域与目标域投影到一个公共关联空间，从而弥合域间差距。具体而言，我们为两个域构建变分自编码器（VAE），并通过跨嫁接 VAE 的解码器栈形成双向关联。此外，采用生成对抗网络（GAN）进行标签对齐（LA），将目标域数据映射到源域的已知标签空间。因此，整体适应过程包含三个阶段：VAE 的特征表示学习、关联生成，以及 GAN 的关联标签对齐。实验结果表明，我们的 CGRS-LA 方法在多个无监督域适应基准上优于最先进方法。
引用
@article{arxiv.1902.06328,
title = {Unsupervised Domain Adaptation using Deep Networks with Cross-Grafted Stacks},
author = {Jinyong Hou and Xuejie Ding and Jeremiah D. Deng and Stephen Cranefield},
journal= {arXiv preprint arXiv:1902.06328},
year = {2019}
}