Domain Adaption1

1.Do We Really Need to Access the Source Data? Source Hypothesis Transfer for Unsupervised Domain Adaptation

github: SHOT

UDA利用从标记源域数据集中获得的知识来解决新的未标记目标域中的相似任务，现有UDA方法在学习模型时需要源域样本，这样效率低且风险大（这对于数据传输效率不高，并且可能违反数据隐私策略）。本文提出SHOT学习框架（Source HypOthesis Transfer ）——首先冻结源域模型的分类器模块（HypOthesis），然后利用信息最大化和自监督伪标签来隐式地将目标域中的表示与源假设对齐，从而学习了target-specific的特征提取模块，以生成与源数据表示形式完全吻合的目标数据表示形式，进而利用源域模型的分类器模块（HypOthesis）即可得到目标域的标签。SHOT模型与此前方法的不同在于它将源模型而不是源数据提供给未标记的目标域。SHOT模型在各种 adaptation cases （closed-set, partial-set, and open-set domain adaptation）中都适用。
即使信息最大化会迫使目标域中的表示与源假设对齐，但仍可能使目标特征表示与错误的源假设相吻合，本文提出了一种新颖的自监督伪标签方法增强目标域的表示学习，学习正确的符合源假设的特征表示。此外，网络架构中还加入了 label smoothing , weight normalization , and batch normalization，以提高模型的自适应性能， SHOT和一些对比算法均受益于这些技术。

网络结构（backbone为LeNet网络（对于USPS↔MNIST）及其变体（对于SVHN→MNIST））
具体细节
以前的方法都是共享源域和目标域的特征提取部分，SHOT是共享源域和目标域的分类器部分。
实验数据
实验结果

Domain Adaption1相关推荐

Apache启动时报Could not reliably determine the server's fully qualified domain name
在系统启动时apache,没有启动起来,查看"事件查看器"发现报一些错误: The Apache service named reported the following err ...
通过document.domain实现跨域访问
通过document.domain实现跨域访问:https://blog.csdn.net/nlznlz/article/details/79506655 前端跨域方法之document.domain ...
JBoss 系列十六：JBoss7/WildFly配置domain模式
2019独角兽企业重金招聘Python工程师标准>>> 内容概要 JBoss7/WildFly有两种模式可供选择,即standalone和dimain模式,详细请参照社区文档(链接) ...
java domain层_java框架中的controller层、dao层、domain层、service层、view层
1.Controller层:接口层,用户访问请求时对接. Controller层负责具体的业务模块流程的控制,在此层里面要调用Serice层的接口来控制业务流程,控制的配置也同样是在Spring的配置 ...
关于ajax跨域请求（cross Domain）
Cross Domain AJAX主要就是A.com网站的页面发出一个XMLHttpRequest,这个Request的url是B.com,这样的请求是被禁止的,浏览器处于安全考虑不允许进行跨域访问, ...
mysql＞ select file,domain,alias,valid from tbl_check where file=‘ecloud_0824-0830.csv‘ into outfile
mysql> select file,domain,alias,valid from tbl_check where file='ecloud_0824-0830.csv' into outfi ...
一篇综述带你全面了解迁移学习的领域泛化(Domain Generalization)
领域泛化 (Domain Generalization, DG) 是近几年非常热门的一个研究方向.它研究的问题是从若干个具有不同数据分布的数据集(领域)中学习一个泛化能力强的模型,以便在未知 (Un ...
迁移学习——Domain Adaptation
Domain Adaptation 在经典的机器学习问题中,我们往往假设训练集和测试集分布一致,在训练集上训练模型,在测试集上测试.然而在实际问题中,测试场景往往非可控,测试集和训练集分布有很大差异, ...
近期必读的9篇CVPR 2019【域自适应（Domain Adaptation）】相关论文和代码
[导读]最近小编推出CVPR2019图卷积网络.CVPR2019生成对抗网络.[可解释性],CVPR视觉目标跟踪,CVPR视觉问答,医学图像分割,图神经网络的推荐相关论文,反响热烈.最近,Domain ...

Domain Adaption1

1.Do We Really Need to Access the Source Data? Source Hypothesis Transfer for Unsupervised Domain Adaptation

Domain Adaption1相关推荐

最新文章

热门文章