从无标注多源进行无监督域扩展
计算机视觉与模式识别
2020-05-27 v1
摘要
给定一个从先前源域学习得到的现有系统，在某些应用中希望将系统适配到新域，而不访问并遗忘所有先前的域。该问题被称为域扩展。不同于目标域由新数据定义的传统域适应，在域扩展中目标域由源域和新域共同构成（因此称为域扩展），且待学习的标签函数必须适用于扩展后的域。具体而言，本文提出一种无监督多源域扩展（UMSDE）方法，其中仅可用源域的预学习模型和无标签新域数据。我们提议利用不同源模型对新域中无标签数据产生的预测类别概率，联合缓解域间偏差、利用新域中的判别信息并保留源域性能。在VLCS、ImageCLEF_DA和PACS数据集上的实验结果验证了所提方法的有效性。
引用
@article{arxiv.2005.12544,
title = {Unsupervised Domain Expansion from Multiple Sources},
author = {Jing Zhang and Wanqing Li and Lu sheng and Chang Tang and Philip Ogunbona},
journal= {arXiv preprint arXiv:2005.12544},
year = {2020}
}