基于对比学习的双分类器无监督域适配模型
针对深度域适配问题中冗余信息导致模型性能不佳的问题,提出基于对比学习的双分类器域适配模型.该模型基于双分类器对抗理论,首先,将输入数据增强2次以获得2个视角的特征,通过将不同视角的特征输入不同的分类器提高分类器的多样性;其次,将双分类器方法和对比学习思想结合,使模型能够捕获数据的高层语义表征,减少不同类特征的混淆程度;最后,通过设立标签分布对齐正则项引导边界样本正确分类.实验结果表明,双分类器间的对比损失能提取数据中的有效信息,从而提升模型性能.
深度学习、域适配、对比学习、对抗学习、双分类器、分布对齐
49
TP391.41(计算技术、计算机技术)
国家自然科学基金61772048
2023-02-10（万方平台首次上网日期，不代表论文的发表时间）
共8页
197-204
