文献

J-GLOBAL ID：202002212424665505   整理番号：20A2526325

ドメイン2Vec:教師なしドメイン適応のためのドメイン埋込み【JST・京大機械翻訳】

Domain2Vec: Domain Embedding for Unsupervised Domain Adaptation

著者 (4件)： Peng Xingchao (Boston University, Boston, MA, USA) ,  Li Yichen (Stanford University, Stanford, CA, USA) ,  Saenko Kate (Boston University, Boston, MA, USA) ,  Saenko Kate (MIT-IBM Watson AI Lab, Boston, MA, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12351  ページ： 756-774  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 従来の教師なしドメイン適応(UDA)は,限られた数のドメイン間の知識移転を研究する。これは,データが実世界の多数の異なるドメインに分布するより実用的なシナリオを無視している。ドメイン類似性を測定する技術はドメイン適応性能にとって重要である。異なるドメイン間の関係を記述し,学習するために,特徴のもつれとGram行列の共同学習に基づく視覚領域のベクトル表現を提供する新しいドメイン2Vecモデルを提案した。このドメイン2Vecモデルの有効性を評価するために,2つの大規模クロスドメインベンチマークを作成した。第一のものは,TinyDAであり,それは54のドメインとおよそ百万のMNIST-スタイル画像を含んだ。第2のベンチマークは,56の既存の視覚データセットから収集するドメインBankである。埋込みは,異なるドメイン間の視覚関係に関する著者らの直感と一致するドメイン類似性を予測できることを示した。提案モデル(Dataとコードが利用できる)の利点と同様に,最先端のマルチソースドメイン適応法における新しいデータセットの電力を実証するために,大規模な実験を行った。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *視覚 ,  ベクトル ,  電力 ,  類似性 ,  有効性 ,  ベンチマーク
準シソーラス用語： 知識移転 ,  協調学習 ,  ベクトル化 , 【Automatic Indexing@JST】

著者キーワード (2件)： 教師なしドメイン適応 ,  ドメインベクトル化

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ドメイン ,  教師 ,  ドメイン適応 ,  埋込み