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,其中源数据和目标数据之间只共享了几个感兴趣的类别。因此,我们提出了一种适用于封闭集和开放集场景的方法。该方法通过联合解决一个赋值问题来学习从源域到目标域的映射,该赋值问题标记了那些可能属于源数据集中感兴趣类别的目标实例。全面评估表明,我们的方法优于最先进的方法。