基于鉴别模型和对抗损失的无监督域自适应方法

• 作者: 徐长凯 袁立镇 赵文仓
• 来源期刊: 高技术通讯
• 关键词: 深度学习 无监督 域自适应 生成对抗网络(GAN) 辅助分类任务
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 698-706
• 页数: 9页
• 字数: 5738字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2020.07.005

摘要

对于许多任务而言,收集注释良好的图像数据集来训练深度学习算法成本过高且耗时,而仅在渲染图像训练的模型通常无法推广到真实图像.针对上述问题,无监督域自适应算法试图在2个域之间映射一些表示或提取域不变的特征,将2个域映射到共同的特征空间.本文结合源域的有标签数据和目标域的无标签数据,提出了基于生成对抗网络(GAN)架构的无监督域自适应方法.方法使用鉴别模型,无需权重共享、对抗损失和辅助分类任务,以无监督的方式学习从一个域到另一个域的变换.对抗鉴别的无监督域自适应方法能有效减少训练域和测试域分布之间的差异,减轻域移位的有害影响,并显著地提高识别率.实验结果证明对抗鉴别方法比其他域自适应方法更有效且更简单,扩充样本的同时提高了网络的泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵文仓	青岛科技大学自动化与电子工程学院	24	95	5.0	9.0
2	袁立镇	青岛科技大学自动化与电子工程学院	1	0	0.0	0.0
3	徐长凯	青岛科技大学自动化与电子工程学院	1	0	0.0	0.0