结合自注意力的对抗性领域适应图像分类方法

• 作者: 李庆瑜 郭卫斌 陈诚
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 迁移学习 领域适应 图像分类 生成对抗网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 图形与图像
• 页码范围: 259-265
• 页数: 7页
• 分类号: TP183
• 字数: 6522字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.02.010

摘要

作为解决数据集迁移和适应的系统性框架,领域适应在近年来发展迅速.在生成对抗网络出现以后,对抗性思想的引入为领域适应中的无监督适应问题带来了新的思路.通过研究生成对抗网络和领域适应的内在联系,类比生成对抗网络的改进方法,提出了结合自注意力模块的领域适应方法,用以弥补无法建模长距离依赖的缺陷.同时,考虑到生成对抗网络和领域适应任务上的不同,通过引入新的学习参数来改进自注意力模块,使其在分类任务上有更高的精度和健壮性.最后,在公开的领域适应数据集上的实验证实了本文方法的有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭卫斌	华东理工大学信息科学与工程学院	27	97	7.0	8.0
2	陈诚	华东理工大学信息科学与工程学院	14	18	3.0	3.0
3	李庆瑜		2	13	1.0	2.0