VisDA：视觉领域自适应挑战赛
计算机视觉与模式识别
2017-11-30 v2
摘要
我们介绍2017年视觉领域自适应（VisDA）数据集和挑战赛，这是一个用于跨视觉领域无监督领域自适应的大规模测试平台。无监督领域自适应旨在解决领域偏移的现实世界问题，即在一个领域上训练的机器学习模型必须被迁移并适配到一个新的视觉领域，而无需额外的监督。VisDA2017挑战赛聚焦于仿真到现实的偏移，并包含两个相关任务：图像分类和图像分割。两个赛道的目标都是首先在源域的模拟合成数据上训练一个模型，然后对其进行适配，使其在无标签的测试域真实图像数据上表现良好。我们的数据集是迄今为止最大的跨域物体分类数据集，在组合的训练、验证和测试域中，包含超过28万张图像，涵盖12个类别。图像分割数据集同样是大规模的，在三个域中包含超过3万张图像，涵盖18个类别。我们将VisDA与现有的跨域自适应数据集进行比较，并使用当前该领域流行的各种领域自适应模型提供了基线性能分析。
引用
@article{arxiv.1710.06924,
title = {VisDA: The Visual Domain Adaptation Challenge},
author = {Xingchao Peng and Ben Usman and Neela Kaushik and Judy Hoffman and Dequan Wang and Kate Saenko},
journal= {arXiv preprint arXiv:1710.06924},
year = {2017}
}