用于视觉识别的无监督域适应字典学习

近年来，字典学习方法已广泛应用于处理各种计算机视觉识别任务，并取得了最先进的结果。然而，当目标域的数据实例与源域分布不同时，字典学习方法可能表现不佳。本文解决跨域视觉识别问题，并提出一种简单但有效的无监督域适应方法，其中标记数据仅来自源域。为了将源域和目标域中的原始数据带入相同分布，所提方法强制源域和目标域之间最近的耦合数据具有相同的稀疏表示，同时联合学习每个域的字典，其中学习的字典可分别重建源域和目标域中的原始数据。从而使得原始数据的稀疏表示可用于执行视觉识别任务。我们在标准数据集上证明了方法的有效性。我们的方法性能与竞争性的最先进方法相当或更好。