Domain adaptation(DA: 域自适应),DA 假设我们有有一个带标签的训练集(源域),这时候我们想让模型在另一个数据集上同样表现很好(目标域),利用目标域的无标签数据,提升模型在域间的适应能力是 DA 所强调的。
Domain generalization(DG: 域泛化),DG 进一步弱化了假设,我们只有多个源域的数据,根本不知道目标域是什么,这个时候如何提升模型泛化性呢?核心在于如何利用多个源域带来的丰富信息。
(1)CrossNorm and SelfNorm
泛化神器 | 李沐老师新作
paper
github
本文主要贡献:
1、提出了SelfNorm和CrossNorm这2种标准化技术来增强out-of-distribution(OOD)泛化;
2、SelfNorm和CrossNorm在利用特征均值和方差提高模型鲁棒性方面形成了对立统一;
3、SelfNorm和CrossNorm与领域无关,可以提高不同领域(CV或NLP)、设置(监督和半监督)和任务(分类和分割)的性能。