文献

J-GLOBAL ID：202202258247176872   整理番号：22A0788910

教師なし領域適応のための敵対分岐アーキテクチャ探索【JST・京大機械翻訳】

Adversarial Branch Architecture Search for Unsupervised Domain Adaptation

著者 (5件)： Robbiano Luca (Politecnico di Torino,Turin,Italy) ,  Ur Rahman Muhammad Rameez (Sapienza University of Rome,Rome,Italy) ,  Galasso Fabio (Sapienza University of Rome,Rome,Italy) ,  Caputo Barbara (Politecnico di Torino,CINI Consortium,Turin,Italy) ,  Carlucci Fabio Maria (Huawei Noah’s Ark Lab,London,United Kingdom)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： WACV  ページ： 1008-1018  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 教師なしドメイン適応(UDA)は,実世界でロバストな性能を可能にする異なる視覚ドメインを橋渡しすることを可能にするので,視覚認識における重要問題である。今日まで,全ての提案した手法は,特定のバックボーンアーキテクチャ(例えば,ResNet)に与えられたUDA法(例えばDANN)を手動で適応するために,人間の専門知識に依存する。手作業設計へのこの依存性は,古い方法が新しいバックボーンに絶えず適応される必要があるので,与えられたアプローチの適用性を制限する。既存のニューラルアーキテクチャ検索(NAS)手法は,UDA設定で利用できないラベルに依存するので,この問題を緩和するために直接適用できない。さらに,ほとんどのNAS法は,SOTA結果に到達するためのUDA設定の広大な範囲に不可欠な事前訓練モデルの使用を除外する,完全なアーキテクチャを探索する。知る限りでは,UDAに対するNASの文脈において,これらの側面に従わない。ここでは,UDA(ABAS)に対するAdversarial Branchアーキテクチャ検索による両側面を取り上げ,モデル選択のための新しいデータ駆動アンサンブルアプローチによるターゲットラベルの欠如に取り組んだ。およびii.著者らは,ドメインアラインメントを駆動する事前訓練されたバックボーンに取り付けた補助広告枝を探索する。著者らは,2つの最新のUDA技術,DANNとALDAを3つの標準視覚認識データセット(Office31,Ofice-HomeとPACS)に改良するためにABASを広範囲に検証した。すべての場合において,ABASは,最良の性能をもたらす敵対的分岐アーキテクチャとパラメータをロバストに見つける。https://github.com/lr94/abas。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アラインメント ,  視覚 ,  広告 ,  適応性 ,  視認 ,  *計算機アーキテクチャ ,  ロバスト性 ,  画像保存通信システム
準シソーラス用語： 敵意 ,  モデル選択 ,  専門知識 ,  データ駆動 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 教師 ,  適応 ,  敵対 ,  分岐 ,  アーキテクチャ ,  探索