文章目录
前言
- 文章来自2021年的IEEE Trans
- 本文是本人开放集领域自适应OSDA系列论文的第14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
- 领域适应的目的是将知识从具有足够标记样本的领域转移到具有稀缺标记样本的领域。先前的研究在文献中引入了各种开放集域适应设置,扩展了域适应方法在现实场景中的应用。本文重点研究了目标域同时具有私有(未知类)标签空间和共享(已知类)标签空间的开放集域适应设置类型。然而,源域只有“已知类”的标签空间。在需要从较小的源域适应到更大、种类更多的目标域的情况下,流行的分布匹配域适应方法是不够的。为了解决这一特定的开放集领域适应设置,以前的研究引入了一个领域对抗模型,使用固定阈值来区分已知和未知的目标样本,缺乏处理负转移。我们对它们的对抗模型进行了扩展,提出了一种新的带有多个辅助分类器的对抗域适应模型。提出multi-classifier结构引入了加权模块评估独特的分配目标域特征样本的权重更代表是否可能属于已知和未知类同时在对抗训练和鼓励