10.14132/j.cnki.1673-5439.2021.03.013
基于对抗学习的开集域自适应分类
通过域自适应方法,利用标记的源域样本实现未标记目标域样本的识别,目前逐渐成为机器视觉领域一个新的研究热点.与传统的闭集域自适应问题不同,开集域自适应中的目标域包含源域中未出现的类别,因此该问题的研究更为贴近实际场景,但同时也增加了识别难度.文中提出了一种基于反向传播开集域自适应的方法,该方法利用对抗思想实现了域不变特征的提取,同时通过设置阈值实现目标域中未知类别样本的消除.在两个公共域自适应数据集上的大量实验结果表明,与以前的方法相比,文中提出的奇异值平衡提高了模型的识别率,在一定程度上有效解决了开集域自适应的问题.
开集域自适应;对抗学习;图像分类;迁移学习
41
TP391.41(计算技术、计算机技术)
南京邮电大学校级科研基金NY219107
2021-10-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
93-99