文章目录
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:将源图像操作到尽可能靠近目标的另一个图像域是否有益。我们建议通过在特征空间和像素空间对齐样本来解决开集域自适应问题。我们的方法称为开放集翻译和改编网络(OSTAN),由两个主要部分组成:转化和适应。转化模型是一个周期一致的生成性对抗网络,它将任何源样本转化成目标域的“风格”。自适应网络建立在OpenBP(一种开放集域自适应框架)的基础上,并使用(标记的)转化源图像和(未标记的)目标图像进行训练。提出的O