揭示通用域适配中的类标注结构
人工智能
2020-10-13 v1 计算机视觉与模式识别
摘要
作为无监督域适配更实用的设定，通用域适配（UDA）近期被提出，其中目标标签集未知。UDA 的一大挑战是如何确定源域与目标域共享的公共标签集，因为目标域中根本没有任何标注可用。本文采用概率方法来定位公共标签集，其中每个源类可能以某一概率来自公共标签集。特别地，我们提出一种评估每个源类来自公共标签集概率的新方法，该概率由在整个目标域上累积的预测边界计算得到。接着，我们通过将公共标签集的概率结构整合进来，提出一种简单的通用适配网络（S-UAN）。最后，我们分析了聚焦于公共标签集的泛化界，并探讨了 UDA 中目标风险的性质。大量实验表明，S-UAN 在不同 UDA 设定下均表现良好，并以较大优势超越最先进的（SOTA）方法。
引用
@article{arxiv.2010.04873,
title = {Unveiling Class-Labeling Structure for Universal Domain Adaptation},
author = {Yueming Yin and Zhen Yang and Xiaofu Wu and Haifeng Hu},
journal= {arXiv preprint arXiv:2010.04873},
year = {2020}
}