开放集领域自适应OSDA(八):Towards Novel Target Discovery Through Open-Set Domain Adaptation论文原理

本文提出了语义恢复开放集域适配(SR-OSDA)框架,针对目标域中未知类别的识别与语义属性恢复。通过结构保持部分对齐、属性传播和任务驱动的开放集分类,模型能够准确识别已知类别并恢复不可见类别的语义信息。实验表明,方法在目标样本识别和语义恢复上表现出优越性能。
摘要由CSDN通过智能技术生成


前言

  • 文章来自2021年的ICCV
  • 本文是本人开放集领域自适应OSDA系列论文的第8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

  • 开放集域自适应(OSDA)认为目标域包含来自外部源域未观测到的新类别的样本。不幸的是,现有的OSDA方法总是忽略了对不可见类别信息的需求,只是将它们识别为“未知”集合,而没有进一步解释。这促使我们通过探索潜在结构并恢复其可解释的语义属性来更具体地理解未知类别。在本文中,我们提出了一种新的框架来准确识别目标域中的可见类别,并有效地恢复不可见类别
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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