文献

J-GLOBAL ID：202202263980314186   整理番号：22A1093410

M2N:マルチレベル教師なしドメイン適応のための相互制約ネットワーク【JST・京大機械翻訳】

M2N: Mutual constraint network for multi-level unsupervised domain adaptation

著者 (6件)： Liu Xinhui (Faculty of Electronic and Information Engineering, Xi’an Jiaotong University, Xi’an 710049, China) ,  Xi Wei (Faculty of Electronic and Information Engineering, Xi’an Jiaotong University, Xi’an 710049, China) ,  Bai Gairui (Faculty of Electronic and Information Engineering, Xi’an Jiaotong University, Xi’an 710049, China) ,  Wang Ziwei (Faculty of Electronic and Information Engineering, Xi’an Jiaotong University, Xi’an 710049, China) ,  Liu Zhilin (Faculty of Electronic and Information Engineering, Xi’an Jiaotong University, Xi’an 710049, China) ,  Zhao Jizhong (Faculty of Electronic and Information Engineering, Xi’an Jiaotong University, Xi’an 710049, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 487  ページ： 269-279  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 教師なしドメイン適応(UDA)アルゴリズムはラベル付きソースドメインからラベルなしターゲットドメインに学習された知識を転送することを目的とする。この問題に取り組むために,異なる表現空間レベルに基づくドメインアラインメントモデルを用いて,極限タスクに関連する知識を抽出した。それらは顕著な性能を達成したが,1つのドメインで訓練されたモデルを他のものに適応させるための明白な課題を提起するドメインシフトは無視した。従って,UDAに対する擬似ラベル学習を提案し,ドメインシフトの影響を低減する。しかし,避けられないラベルノイズは,特徴表現のモデルの能力をひどく弱める。ノイズのあるラベルによる深層学習に関する最近の研究に触発されて,著者らは,多レベルUDA(M2N)のための相互制約ネットワークを提案して,ノイズのある擬似ラベルの影響を緩和して,異なる空間レベルからより良い特徴表現を学習した。Digits,Ofice-31,およびVisDA-2017に関する広範囲な実験結果は,著者らの方法が3つのベンチマークタスクに関して新しい最先端の性能を達成して,以前の単一レベルUDAに関して著しく改良することができることを示した。Copyright 2022 Elsevier B.V., Amsterdam. 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 ,  アルゴリズム ,  雑音 ,  表現 ,  学習 ,  *ネットワーク ,  分類 ,  適応 ,  *範囲 ,  ベンチマーク ,  *制約条件 ,  機械学習
準シソーラス用語： *マルチレベル ,  画像分類 ,  特徴表現 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 教師なしドメイン適応 ,  擬似ラベル学習 ,  ラベル雑音学習 ,  画像分類

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： マルチレベル ,  教師 ,  ドメイン適応 ,  制約