开放集领域自适应OSDA（一）：Open Set Domain Adaptation论文原理

已于 2022-03-27 09:28:52 修改
阅读量3.7k 收藏
点赞数
分类专栏： 开放集领域自适应 文章标签： 深度学习 计算机视觉 机器学习 开放集领域自适应
于 2022-03-25 20:32:17 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_41076797/article/details/123215548
版权
本文探讨了开放集领域自适应（OSDA）的问题，指出传统闭集域适应的局限性，并提出了一个适用于闭集和开放集场景的方法。通过解决一个赋值问题学习从源域到目标域的映射，该方法在目标实例中识别可能的类别。实验结果显示，该方法在无监督和半监督设置中优于现有技术，尤其在较大领域转移的场景下表现出色。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

前言

  • 文章来自2017年的ICCV
  • 本文是本人开放集领域自适应OSDA系列论文的第1篇，所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms，希望各位大佬们不吝点赞，给个Star哦~

摘要

  • 当训练数据和测试数据属于不同的领域时，目标分类器的精度会显著降低。因此，在过去几年中，人们提出了几种算法来减少数据集之间所谓的域转移。然而，所有可用的域自适应评估协议都描述了一个封闭集识别任务，其中两个域（即源和目标）包含完全相同的对象类。在这项工作中，我们还探索了开放集合中的域适应领域，这是一个更现实的场景&#x
了解本专栏 订阅专栏 解锁全文 超级会员免费看
开放集领域自适应OSDA（二）：Open Set Domain Adaptation by Backpropagation论文原理
lyy的博客
03-27 1193
文章目录前言摘要1 Introduction2 Related Work2.1 Domain Adaptation2.2 Open Set Recognition3 Method3.1 Problem Setting and Overall Idea 前言 文章来自2018年的ECCV 本文是本人开放集领域自适应OSDA系列论文的第2篇，所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms，希望各位大佬们不吝点赞，给个Sta
开放集领域自适应OSDA（三）：Separate to Adapt: Open Set Domain Adaptation via Progressive Separation论文原理
lyy的博客
04-02 863
文章目录前言摘要1. Introduction2. Related Work3. Method 前言 文章来自2019年的CVPR 本文是本人开放集领域自适应OSDA系列论文的第3篇，所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms，希望各位大佬们不吝点赞，给个Star哦~ 摘要 在利用来自源域的标记数据为未标记的目标域学习准确的分类器方面，域自适应已经取得了巨大的成功。在野外部署时，目标域通常包含源域中未观察到的
Open Set Domain Adaptation 开集领域适应
Pr4da的博客
05-01 1793
1. Motivation 2017年ICCV上发表了一篇题为OpenSetDomainAdaptationOpen Set Domain AdaptationOpenSetDomainAdaptation[1]的论文说：一般我们所讲的领域适应(domain adaptation)是在一个闭集(close set)的前提条件下进行的，即源域和目标与拥有相同的标签类别。但是在大多数的实际情况中，源域和目标域可能只共享了一部分相同类别。如图1所示（图片来源于文献[1]），在Close set domain
领域自适应（Domain Adaptation）的简单介绍
百年孤独百年的博客
05-30 1万+
领域自适应（Domain Adaptation）是指通过学习源领域和目标领域之间的差异，来实现将源领域的模型迁移到目标领域的能力。在实际应用中，由于数据的获取和标注成本较高，我们通常会面临数据集不完整、不平衡、标注不准确等问题，这些问题会影响模型的泛化能力和性能。领域自适应可以帮助我们解决这些问题，提升模型的泛化能力和性能。
[论文翻译] Open Set Domain Adaptation
xiongxyowo的博客
04-04 366
[转载]Open-Set Domain Adaptation for Semantic Segmentation
wuling129的专栏
07-09 403
无监督域适应（Unsupervised domain adaptation,UDA）用于语义分割旨在将像素级的知识从带标签的源域传递到未带标签的目标域。然而，当前的UDA方法通常假设源域和目标域之间有一个共享的标签空间，这在目标域可能涌现出新类别的现实世界中限制了它们的应用性。在本文中，作者首次引入了针对语义分割的开放集域适应（Open-Set Domain Adaptation for Semantic Segmentation,OSDA-SS），其中目标域包含未知类别。
开放集领域自适应OSDA（十七）：Open Set Domain Adaptation With Soft Unknown-Class Rejection论文原理
lyy的博客
06-14 559
文章目录前言摘要 前言 文章来自2021年的AAAI 本文是本人开放集领域自适应OSDA系列论文的第15篇，所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms，希望各位大佬们不吝点赞，给个Star哦~ 摘要 ......
开放集领域自适应OSDA（六）：Towards Inheritable Models for Open-Set Domain Adaptation论文原理
lyy的博客
05-05 450
文章目录前言摘要1. Introduction 前言 文章来自2020年的CVPR 本文是本人开放集领域自适应OSDA系列论文的第6篇，所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms，希望各位大佬们不吝点赞，给个Star哦~ 摘要 视觉识别任务的领域适应（DA）已经取得了巨大的进展。尤其是，openset DA已经获得了相当大的关注，其中目标域包含其他看不见的类别。现有的开放集DA方法要求访问标记的源数据集和未标
开放集领域自适应OSDA（四）：IMPROVING OPEN SET DOMAIN ADAPTATION USING IMAGE-TO-IMAGE TRANSLATION论文原理
lyy的博客
04-24 667
文章目录前言摘要1.INTRODUCTION2. RELATED WORK 前言 文章来自2019年的ICME 本文是本人开放集领域自适应OSDA系列论文的第4篇，所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms，希望各位大佬们不吝点赞，给个Star哦~ 摘要 开放集域适应问题很少被研究，现有的解决方案大多基于学习一个联合潜在空间，当域之间存在显著差异时，可能会遇到问题。这项工作是由这样一个问题驱动的：将源图像操作
Open-Set Domain Adaptation for Semantic Segmentation
最新发布
qq_46221910的博客
09-17 223
权重有1.6G，不建议复现。
Open Set Domain Adaptation
gdtop的个人笔记
04-16 4624
本篇是迁移学习专栏介绍的第十篇论文，也算是本专栏专门讲Domain Adaptation的第一篇论文。这篇文章是接受于ICCV 2017，文章的setting是特别新颖的，获得了ICCV Marr Prize 提名。所以很值得一看。 Abstract 当训练和测试数据属于不同的领域时，对象分类器的精度会显著降低。因此，为了减少数据集之间的域转移，近年来提出了几种算法。然而，所有可用的域适应评估...
Learning Likelihood Estimates for Open Set Domain Adaptation——学习笔记
且慢
10-31 834
Learning Likelihood Estimates for Open Set Domain Adaptation——学习笔记 文章目录Learning Likelihood Estimates for Open Set Domain Adaptation——学习笔记tipABSTRACT1.INTRODUCTION2.RELATED WORKOpen Set Domain Adaptation.3.METHOD3.1 Problem Setting3.2 Overall Architecture
【域适应+clip十四】Open-Set Domain Adaptation with Visual-Language Foundation Models
m0_60231311的博客
02-01 1597
无监督域自适应(UDA)是一种非常有效的方法，可以将具有标记数据的源域知识转移到具有未标记数据的目标域。由于目标域中缺乏标记数据以及可能存在未知类，开放集域适应(open-set domain adaptation, ODA)已成为在训练阶段识别这些类的潜在解决方案。虽然现有的ODA方法旨在解决源域和目标域之间的分布变化，但大多数方法在源域上对ImageNet预训练模型进行微调，并在目标域上进行自适应。
论文翻译：Open Set Domain Adaptation 开放集域适应
Qi__Xi的博客
04-12 2103
论文翻译：Open Set Domain Adaptation 开放集域适应摘要1. 介绍2. 相关工作3. 开放集域适应3.1 无监督域适应3.2 半监督域适应3.3 映射4. 实验4.1 参数配置4.2 Office数据集4.3 密集跨数据集分析4.4 稀疏跨数据集分析5. 结论 摘要 当训练和测试数据属于不同的域时，对象分类器的准确性将大大降低。因此，最近几年提出了几种算法，以减少数据集之间的所谓域转移。但是，所有适用于域适应的评估协议都描述了一个封闭集识别任务，其中两个域（即源域和目标域）都包含完全
开放集领域自适应OSDA（十八）：Unknown-Aware Domain Adversarial Learning for Open-Set Domain Adaptation论文原理
lyy的博客
11-09 710
文章来自2022年的CoRR本文是本人开放集领域自适应OSDA系列论文的第18篇，所有系列论文的相关代码在Star哦~开放集域适配（OSDA）假定目标域包含未知类，这些类在源域中未发现。现有的领域对抗性学习方法不适用于OSDA，因为与未知类的分布匹配会导致负迁移。以前的OSDA方法只利用已知的类来匹配源和目标分布。然而，这种仅已知匹配可能无法学习目标未知特征空间。因此，我们提出了未知感知领域对抗学习（UADAL），它在特征对齐过程中对齐源和目标已知分布，同时分离目标未知分布。
开放集领域自适应OSDA（十四）：Adversarial Network With Multiple Classifiers for Open Set Domain Adaptation
lyy的博客
05-21 774
文章目录前言摘要I. INTRODUCTIONII. RELATED WORKA. Closed Set Domain AdaptationB. Partial Domain AdaptationC. Open Set Domain AdaptationIII. PROPOSED METHODOLOGYA. Domain Adaptation SettingB. Baseline Domain Adversarial ModelC. Proposed Multi-Classifier Based Domai
开放集（一）Open Set Domain Adaptation: Theoretical Bound and Algorithm
qq_42595295的博客
02-27 1546
这一篇论文感觉十分偏理论，我感觉只是理解了个大概。1.第一步是使用OSNN（开放集最近邻）算法对目标域样本进行标签预测。通过公式（12）得到一个优化后的分类器h。2.计算矩阵L,W。L为拉普拉斯矩阵，可写成D − W, D为对角矩阵，Dii = j=1到 ns+nt 对Wij求和，W矩阵为样本相似度矩阵。3.迭代过程。每一次迭代中，（1）计算MMD矩阵M；（2）通过式（21）计算 β；（3）β的转置×K得到的结果为新一轮更新的目标域伪标签的值。
最新最全论文合集——领域自适应
AI_Conf的博客
01-23 857
AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。 必读论文：https://www.aminer.cn/topic 论文集地址：https:/.
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...
开放集域自适应：分离自适应方法
论文"分离自适应（Separation for Adaptation, STA）"提出了一种新的端到端方法，用于解决开集域自适应的问题。该方法的核心在于逐步分离未知类和已知类的样本，同时考虑它们对特征分布对齐的影响。通过采用由粗到细...
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

打赏作者

CtrlZ1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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