利用隐编码解决无监督域适应中的类别不平衡问题
机器学习
2019-09-20 v1 机器学习
摘要
我们解决无监督域适应中严重的类别不平衡问题，即源域和目标域中的类别空间存在显著差异的情况。直到最近，域适应方法都假设类别空间是对齐的，从而通过减少分布差异使域间迁移更容易。这种对齐假设在现实场景中往往不成立，因为某些源域类别在目标域中常常代表性不足或完全缺失。我们重新审视了当前处理类别不平衡的方法，并提出了一种在对抗域适应框架中使用隐编码的新方法。我们展示了如何利用隐编码来解耦目标域的隐含结构并识别代表性不足的类别。我们还展示了如何将隐编码重建与域不变表示联合学习，并利用它们来准确估计目标标签。
引用
@article{arxiv.1909.08962,
title = {Using Latent Codes for Class Imbalance Problem in Unsupervised Domain Adaptation},
author = {Boris Chidlovskii},
journal= {arXiv preprint arXiv:1909.08962},
year = {2019}
}