【文献阅读】A Fourier-based Framework for Domain Generalization(基于傅立叶的领域泛化框架)
现代深度神经网络在测试数据和训练数据的不同分布下进行评估时,存在性能下降的问题。领域泛化旨在通过从多个源领域学习可转移的知识,从而泛化到未知的目标领域,从而解决这一问题。本文提出了一种新的基于傅里叶的域泛化视角。主要假设是傅里叶相位信息包含高级语义,不容易受到域移位的影响。为了迫使模型捕获相位信息,我们开发了一种新的基于傅立叶的数据增强策略,称为振幅混合,它在两个图像的振幅谱之间线性插值。在原始图像和增强图像的预测之间进一步引入了一种称为co-teacher正则化的双形式一致性损失。
原创
2024-03-13 21:36:19 ·
592 阅读 ·
0 评论