主动领域自适应(Active Domain Adaptation)部分经典论文汇总

已于 2023-04-19 16:56:54 修改
阅读量4k 收藏 16
点赞数 3
分类专栏： Active Learning Domain Adaptation 文章标签： 划水
于 2022-04-07 15:35:31 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40714949/article/details/124017423
版权
本文总结了CVPR、ICCV、ECCV、AAAI、ICLR和WACV等会议上关于主动领域适应（Active Domain Adaptation）的前沿工作，包括转移查询选择、不确定性簇聚、多锚点适应、子集选择、主动通用适应、对抗性适应和能量基主动学习等。这些研究旨在提高模型在不同领域间的迁移性能，通过不确定性、主动学习和适应策略来应对分布偏移问题。
摘要由CSDN通过智能技术生成

只简单找了一小部分

CVPR

  • [link] [code] [TQS] [21]
    Transferable Query Selection for Active Domain Adaptation

  • [link] [code] [SDM] [22]
    Learning Distinctive Margin toward Active Domain Adaptation

ICCV

  • [link] [code] [CLUE] [21]
    Active Domain Adaptation via Clustering Uncertainty-weighted Embeddings

  • [link] [code] [MADA] [21]
    Multi-Anchor Active Domain Adaptation for Semantic Segmentation

  • [link] [code] [S3VAADA] [21]
    S3VAADA: Submodular Subset Selection for Virtual Adversarial Active Domain Adaptation

  • [link] [code] [AUDA] [21]
    Active Universal Domain Adaptation

ECCV
  • [link] [code] [LAMDA] [22]
    Combating Label Distribution Shift for Active Domain Adaptation
AAAI
  • [link] [code] [EADA] [22]
    Active Learning for Domain Adaptation: An Energy-Based Approach
ICLR
  • [link] [code] [DUC] [23]
    Dirichlet-based Uncertainty Calibration for Active Domain Adaptation
WACV
  • [link] [code] [AADA] [20]
    Active Adversarial Domain Adaptation
SIGKDD
  • [link] [code] [ADMA] [18]
    Cost-Effective Training of Deep CNNs with Active Model Adaptation
arXiv

  • [link] [code] [LADA] [22]
    Local Context-Aware Active Domain Adaptation

  • [link] [code] [LSL] [22]
    Loss-based Sequential Learning for Active Domain Adaptation

直播预告 | AAAI 2022：一种基于能量的主动域自适应学习方法
AI_Drive的博客
03-08 3362
「AI Drive」是由 biendata 和 PaperWeekly 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。 本期 AI Drive，我们邀请到北京理工大学博士生谢斌辉，为大家在线解读其发表在 AAAI 2022的最新研究成果：一种基于能量的主动域自适应学习方法。对本期主题感兴趣的小伙伴，3 月 8 日（周二）晚 7 点，我们准时相约B 站AI_Dri...
遥感图像-Deep Feature Alignment Neural Networks for Domain Adaptation of Hyperspectral Data高光谱数据深度特征对齐神经
ssshyeong的博客
05-07 2161
本文中,我们建议使用深特性结合神经网络进行域的适应,在标记辅助数据源的数据可以用来提高分类的性能在有限领域,否则带安全标签的数据是可用的。该模型首先利用深度卷积递归神经网络提取源和目标域的鉴别特征，然后通过将每一层特征映射到变换后的每一层公共子空间，逐层对齐。
【论文笔记】Transferable Query Selection for Active Domain Adaptation(CVPR 2021)
weixin_42126945的博客
03-12 1576
论文：Transferable Query Selection for Active Domain Adaptation 代码：https://github.com/thuml/Transferable-Query-Selection Abstract 无监督域适配（Unsupervised domain adaptation, UDA）将知识从有完整标注的源域传递到一个未标记的目标域。尽管UDA取得了一系列进展，与使用有完整标记的目标数据比较性能差距仍然很大。主动域适配（Active domain ada
【论文笔记】Active Universal Domain Adaptation(ICCV 2021)
weixin_42126945的博客
04-02 2116
论文： 1. 介绍 这篇文章主要提出了active universal domain adaptation（AUDA）问题，用主动学习在目标域上采样少部分的标注样本。本文认为AUDA的问题要同时优化实现好的泛化性能，同时在具有域偏移的情况下选择最有价值的一小批目标样本进行标注。主要的思路是设计了对抗式的多元化课程学习（ADCL），渐进式的对齐域特征并基于此区分哪些目标域样本属于源域类别。在识别了哪些是目标域私有类之后，用基于不可转移的梯度embedding聚类（CNTGE）对目标域数据进行聚类，利用可转移性
【论文笔记】Active Domain Adaptation via Clustering Uncertainty-weighted Embeddings(ICCV2021)
weixin_42126945的博客
03-10 1837
论文：Active Domain Adaptation via Clustering Uncertainty-Weighted Embeddings 代码：https://github.com/virajprabhu/CLUE 本人计算机视觉研究僧一枚，欢迎交流。 Abstract 本文通过主动学习方式，解决在域适应问题(Domain adaptation)中，让信息量最大的目标数据子集贴上标签，得到最大的性能效益，本文称此问题为主动域适配（Active DA），展示了提出的方法优于基于在模型上的不确定性或
14. Bridge-Based Active Domain Adaptation for Aspect Term Extraction 阅读笔记
薰珞婷紫小亭子的博客
07-25 574
跨域ATE,武大，两种桥
Domain Adaptation(领域自适应)
最新发布
weixin_63778889的博客
05-25 959
我们可以训练一个在source domain 上难免表现很出色的模型，但是当target domian和source domain的数据分布不一样时候，我们之前在source domian上面训练的模型，在target domain上面表现可能不是很好。其中绿色长方形的代表我们从source domain和target domain提取的特征图（特征向量），我们要求来自两张图片（source domain 和target domain）出现的数据点（红色点和蓝色点）分布应该看起来一样，分不出差异。
常见的域自适应(Domain Adaptation)研究方向
qq_45450414的博客
06-05 3778
随着计算机视觉的发展，目前很多基于深度学习的研究都是基于全监督的方法训练的，一个领域训练的模型不能泛化到相关领域，新领域需重新创建标注数据集训练新的适应模型，导致资源浪费。当源域和目标的数据分布不同 ，但两个任务相同时，这种特殊的迁移学习叫做域适应 （Domain Adaptation，DA）。因为其任务相同，域适应属于一种直推式迁移学习。在计算机视觉中，域适应是一个常见要求，因为带有标注的数据集很容易取得，但是获得的数据集和我们最终应用的数据集来源的域往往是不同的。那么解决这类问题的思路是什么呢？
高光谱图像分类的主动多核域自适应
03-08
为了解决这个问题，在本文中，我们展示了一种基于具有主动学习（AL）的域自适应（DA）的解决HSI分类的新颖框架。 我们方法的主要思想是通过利用源域中可用的带标签样本来重新训练多核分类器，并在目标域中添加最少...
Domain adaptive faster-rcnn for object detection in the wild 论文笔记
qq_18882399的博客
07-24 6058
2018年CVPR文章，基于Faster-RCNN，进行领域自适应改进（似迁移学习），用在进行雾气，光线不良情况下的野外迁移探测活动（复杂多变的场景） 解决domain shift 1.image level :scale,style,illumination 2.instance level:obj appearance ,size and orientation 主要贡献 1.概率...
主动通用域自适应：去除标签假设的AUDA方法与AUAN框架
主动通用域自适应（Active Universe Domain Adaptation, AUDA）是一种新颖的无监督域适应方法，它在中国深圳鹏程实验室的研究背景下，由马新红等人提出。传统的方法往往依赖于对源-目标标签集关系的精确知识，即它们...
Label 相关论文汇总
weixin_45807767的博客
11-23 1536
Label相关的论文汇总
14 Bridge-Based Active Domain Adaptation for Aspect Term Extraction阅读笔记
薰珞婷紫小亭子的博客
08-09 248
Bridge-Based Active Domain Adaptation for Aspect Term Extraction ACL 2021 Author: Zhuang Chen, Tieyun Qian∗ Unit: School of Computer Science, Wuhan University, China 本文的核心思想： 为了缓解标注数据带 来的巨大压力,有学者尝试使用跨领域传输知识的域适应方法解决该问题.但大多数属性词都是基于某些特定领域,它们之间并不能直接传递.Chen（202
【论文笔记】Multi-Anchor Active Domain Adaptation for Semantic Segmentation(ICCV2021 Oral)
weixin_42126945的博客
03-07 3819
论文：https://arxiv.org/abs/2108.08012 代码：https://github.com/munanning/MADA 本人最近在调研深度主动学习，视觉方向，欢迎交流。 Abstract 无监督域自适应通过对齐源域数据和真实世界的目标域数据实现的一种减轻高成本标注的方法。本文的出发点立意就是，条件设定差的情况下将目标域分布映射到源域将损坏扭曲目标域数据的结构信息。本文提出了一种基于多锚点(mutil-anchor)的主动学习策略的领域适应性研究，处理语义分割任务。通过采用多个锚点而
2017acl---Active Sentiment Domain Adaptation笔记
lrt366的博客
07-12 628
摘要 领域适应(Domain adaptation)在情感分析中至关重要。现存的方法大多都依赖于用源领域训练的情感分类器。但当目标领域与源领域的情感特征存在过于巨大的不同时，情感分类器的性能会显著下降。这篇文章提出了一个叫做active sentiment domain adaptation的方法来处理这个问题。这篇文章不是使用源领域的情感分类器，而是在一个主动学习模式下选择和标注的少量样本的帮...
直播预告 | AAAI 2022论文解读：基于能量的主动域自适应学习方法
Paper weekly
03-07 563
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而...
【论文笔记】Learning Distinctive Margin toward Active Domain Adaptation(CVPR 2022)
weixin_42126945的博客
05-18 1320
论文：https://arxiv.org/abs/2203.05738 代码：https://github.com/TencentYoutuResearch/ActiveLearning-SDM 摘要 目前主动学习的方法不能处理域适应问题下存在域差异的情况，或者之前的域适应主动学习(active domain adaptation，以下简称ADA)的工作往往需要复杂的标注查询函数的设计。本文提出了基于可区分边界的选择方法SDM，主要为数据选择设计了最大边界损失和边界采样算法。本文提出的SDM可以被证明可以像
领域适应学习(domain adaptation）
热门推荐
wydbyxr的博客
09-30 1万+
领域适应学习(domain adaptation）   iid（独立同分布） 为了解决训练集和测试集的数据分布不匹配（即不满足iid条件），在无监督学习中提出了domain adaptation（领域自适应） 。   领域自适应（Domain Adaptation）是迁移学习（Transfer Learning）的一种，思路是将不同领域（如两个不同的数据集）的数据特征映射到同一个特征空间，这样可利...
医学领域自适应(Medical Domain Adaptation)部分经典论文汇总
xiongxyowo的博客
10-24 1208
只简单找了一小部分[link] [code] [MI2GAN] [20] MI2GAN: Generative Adversarial Network for Medical Image Domain Adaptation Using Mutual Information Constraint[link] [code] [EndoUDA] [21] EndoUDA: A Modality Independent Segmentation Approach for Endoscopy Imaging
ECCV2020语义分割论文_神经网络_深度学习_语义分割_
10-03
在IT领域，特别是计算机视觉部分，语义分割是一项关键技术，它涉及到神经网络和深度学习的应用。ECCV（欧洲计算机视觉会议）是该领域的重要学术会议，2020年的会议集中展示了最新的研究成果。以下是对这六篇论文的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值