多重ソースからのドメイン間分類のためのドメイン固有分布と分類器のアラインメント【JST・京大機械翻訳】

Zhu Yongchun; Zhuang Fuzhen; Wang Deqing

プレプリント

J-GLOBAL ID：202202205128720672 整理番号：22P0023240

多重ソースからのドメイン間分類のためのドメイン固有分布と分類器のアラインメント【JST・京大機械翻訳】

Aligning Domain-specific Distribution and Classifier for Cross-domain Classification from Multiple Sources

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月04日プレプリントサーバーでの情報更新日： 2022年01月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

教師なしドメイン適応(UDA)アルゴリズム,即ち,ソースドメインからのラベル付きデータだけは,近年活発に研究されているが,ほとんどのアルゴリズムと理論的結果は,単一ソース教師なしドメイン適応(SUDA)に焦点を合わせている。しかし,実際のシナリオでは,ラベル付きデータを複数の多様なソースから典型的に収集でき,それらはターゲットドメインだけでなく互いにも異なる可能性がある。したがって,複数のソースからのドメインアダプタは,同じ方法でモデル化すべきではない。最近の深層学習ベースのマルチソース教師なしドメイン適応(MUDA)アルゴリズムは,共通の特徴空間におけるソースとターゲット領域のすべてのペアの分布のアラインメントによって,すべてのドメインのための一般的ドメイン不変表現を抽出することに焦点を合わせる。しかし,MUDAのすべてのドメインに対して同じドメイン不変表現を抽出することは,しばしば非常に困難である。さらに,これらの方法は,クラス間のドメイン特異的決定境界を考慮しない分布と一致する。これらの問題を解決するために,著者らは,複数の特定の特徴空間におけるソースとターゲット領域の各ペアの分布をそれぞれ配列するだけでなく,ドメイン特異的決定境界を利用することによって分類器の出力を整列させる,MUDAのための2つのアラインメントステージを有する新しいフレームワークを提案した。大規模な実験は,著者らの方法が画像分類のための一般的ベンチマークデータセットに関して顕著な結果を達成できることを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, , , , , , ,

前のページに戻る