基于渐进式域增强的无监督域自适应
机器学习
2020-04-27 v2 计算机视觉与模式识别
机器学习
摘要
域自适应旨在利用标签丰富的源域来学习不同且标签稀缺的目标域中的分类器。当两个域之间存在显著差异时，这尤其具有挑战性。在本文中，我们提出了一种基于渐进式域增强的新型无监督域自适应方法。该方法通过域插值生成虚拟中间域，逐步增强源域，并通过在 Grassmann 流形上进行多次子空间对齐来弥合源域与目标域之间的差异。我们在多个域自适应任务上进行了实验，结果表明该方法取得了 SOTA 的性能。
关键词
引用
@article{arxiv.2004.01735,
title = {Unsupervised Domain Adaptation with Progressive Domain Augmentation},
author = {Kevin Hua and Yuhong Guo},
journal= {arXiv preprint arXiv:2004.01735},
year = {2020}
}