基于生成对抗网络的无监督域适应分类模型

• 作者: 余游 王格格 苏菡 郭涛
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 生成适应模型 迁移学习 领域适应学习 生成对抗网络 多核最大均值差异 无监督学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 1190-1197
• 页数: 8页
• 分类号: TP181
• 字数: 5969字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.06.021

摘要

生成适应模型利用生成对抗网络实现模型结构,并在领域适应学习上取得了突破.但其部分网络结构缺少信息交互,且仅使用对抗学习不足以完全减小域间距离,从而使分类精度受到影响.为此,提出一种基于生成对抗网络的无监督域适应分类模型(Unsupervised Domain Adaptation classification model based on GAN,UDAG).该模型通过联合使用生成对抗网络和多核最大均值差异度量准则优化域间差异,并充分利用无监督对抗训练及监督分类训练之间的信息传递以学习源域分布和目标域分布之间的共享特征.通过在四种域适应情况下的实验结果表明,UDAG模型学习到更优的共享特征嵌入并实现了域适应图像分类,且分类精度有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭涛	四川师范大学计算机科学学院	19	116	5.0	10.0
2	苏菡	四川师范大学计算机科学学院	13	53	4.0	7.0
3	余游	四川师范大学计算机科学学院	6	10	2.0	3.0
4	王格格	四川师范大学计算机科学学院	5	6	1.0	2.0