文献

J-GLOBAL ID：202202220183443850   整理番号：22A0067061

教師なしサブドメイン適応のための適応特徴ノルム【JST・京大機械翻訳】

Adaptive Feature Norm for Unsupervised Subdomain Adaptation

著者 (2件)： Imran Ashiq (Department of Computer Science and Engineering, University of Texas at Arlington, Arlington, TX, USA) ,  Athitsos Vassilis (Department of Computer Science and Engineering, University of Texas at Arlington, Arlington, TX, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13017  ページ： 341-352  発行年： 2022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： 多くの実世界問題において,特定の機械学習タスクのためのラベル付きデータを得ることは,高価である。教師なしドメイン適応(UDA)は,ソースからのラベル付き情報を用いたターゲットドメインに対する良好な予測モデルを学習することを目的とするが,ターゲットドメインからのラベルなしサンプルのみである。以前の方法の大部分は,いくつかの損失関数を含み,ゆっくり収束する敵対的方法でこの問題に取り組む。最近,サブドメイン適応は,関連サブドメインの分布のニュースに焦点を合わせており,UDA分野でますます注目されている。本論文では,転送利得を高めるためにサブドメイン適応を持つ適応特徴ノルムを用いる手法を提案した。サブドメイン適応は,各カテゴリから細粒特徴を捉えることによって,深い適応ネットワークの能力を強化できる。さらに,転送利得を増加させるための適応特徴ノルムアプローチを組み込んだ。本手法は,オフィス-31,オフィスHome,および画像-CLEFデータセットを含む一般的な視覚分類データセットに関する最新の結果を示す。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  損失関数 ,  利得 ,  ニュース ,  *ノルム ,  機械学習 ,  予測モデル

著者キーワード (3件)： ドメイン適応 ,  転移学習 ,  物体認識

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 教師 ,  サブ ,  ドメイン適応 ,  適応 ,  ノルム