基于双域协作的弱监督开集域自适应
机器学习
2019-05-01 v1 机器学习
摘要
在传统的域自适应中，一个关键假设是存在一个完全标注的域（源域），其包含与另一个未标注或少量标注的域（目标域）相同的标签空间。然而，在现实世界中，经常存在这样的应用场景：两个域均部分标注，且并非所有类别都在两域间共享。因此，让部分标注的域相互学习，在开集设定下对各自域中所有未标注样本进行分类是有意义的。我们将此问题视为弱监督开集域自适应。为解决这一实际设定，我们提出了协作分布对齐（CDA）方法，该方法进行双向知识迁移并协作工作以分类未标注数据并识别离群样本。在Office基准上的大量实验以及行人重识别应用表明，我们的方法达到了最先进的性能。
引用
@article{arxiv.1904.13179,
title = {Weakly Supervised Open-set Domain Adaptation by Dual-domain Collaboration},
author = {Shuhan Tan and Jiening Jiao and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:1904.13179},
year = {2019}
}
备注
CVPR 2019