基于权重的掩码用于无监督域适应
计算机视觉与模式识别
2023-04-25 v1
摘要
在计算机视觉中，无监督域适应(unsupervised domain adaptation, UDA)是一种将知识从标签丰富的源域迁移到完全无标签目标域的方法。传统的UDA方法存在两个问题。第一个问题是类分类器可能因仅使用源样本训练而偏向源域。第二个问题是先前的方法不论前景与背景均对齐图像级特征，尽管分类器需要的是前景特征。为解决这些问题，我们提出由域忽略模块(Domain Ignore Module, DIM)和语义增强模块(Semantic Enhancement Module, SEM)构成的基于权重的掩码网络(Weight-based Mask Network, WEMNet)。DIM通过域判别器的权重获得域无关特征表示并预测类别。此外，SEM利用分类器权重获得与类别相关的特征表示，并聚焦于前景特征以进行域适应。大量实验结果表明，所提出的WEMNet在代表性UDA数据集上取得了优于对比方法的精度。
引用
@article{arxiv.2304.11479,
title = {Weight-based Mask for Domain Adaptation},
author = {Eunseop Lee and Inhan Kim and Daijin Kim},
journal= {arXiv preprint arXiv:2304.11479},
year = {2023}
}
备注
5 pages, 2 figures, to be published in ICASSP2023