超级会员免费看
本文提出了一种实用的领域适应范例，称为供应商-客户机模式，用于无监督的开放集域适应（UODA）。在不共享源数据的情况下，供应商训练可继承模型，客户可以有效地在目标域上进行自适应。通过量化可继承性，客户可以选择最合适的模型。方法包括使用特征拼接生成负样本，训练包含源分类器和辅助OOD分类器的模型，以及通过继承和调整过程实现目标域的适应。
文章目录
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记的目标实例。然而，在数据共享因其专有性质或隐私问题而受到限制的情况下，这种对共存的源数据和目标数据的依赖是非常不切实际的。为了解决这个问题，我们引入了一个实用
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
