文献

J-GLOBAL ID：202202274783808013   整理番号：22A0984631

破壊-アグノスティックロバスト領域適応に向けて【JST・京大機械翻訳】

Towards Corruption-Agnostic Robust Domain Adaptation

著者 (6件)： Xu Yifan (NLPR, Institute of Automation, Chinese Academy of Sciences and School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China) ,  Sheng Kekai (Youtu Lab, Tencent Inc., Shanghai, China) ,  Dong Weiming (NLPR, Institute of Automation, Chinese Academy of Sciences and CASIA-LLvision Joint Lab, Beijing, China) ,  Wu Baoyuan (The Chinese University of Hong Kong; Shenzhen Research Institute of Big Data, ShenZhen, China) ,  Xu Changsheng (NLPR, Institute of Automation, Chinese Academy of Sciences and School ofArtificial Intelligence, University of Chinese Academy of Sciences, Beijing, China) ,  Hu Bao-Gang (NLPR, Institute of Automation, Chinese Academy of Sciences, Beijing, China)
資料名： ACM Transactions on Multimedia Computing, Communications, and Applications  (ACM Transactions on Multimedia Computing, Communications, and Applications)
巻： 18  号： 4  ページ： 1-16  発行年： 2022年 
JST資料番号： W5702A  ISSN： 1551-6857  資料種別： 逐次刊行物 (A)
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： 数十年間,ドメイン適応において大きな進歩が達成された。既存の研究は,標的ドメインが訓練ターゲットドメインと独立かつ同一に分布しているという理想的な仮定に基づいている。しかし,Web画像や実世界物体検出のような実データにおける予測不能な崩壊(例えば,雑音やぼけ)により,ドメイン適応法は,ターゲットドメイン上でロバストにロバストであるためにますます要求されている。元のデータに対して正確で,ターゲットドメインに対する不利用の訓練に対するロバスト性に対してロバストである,新しいタスク,コラプティブロバストドメイン適応(CRDA)を研究した。このタスクは,大きなドメイン不一致と教師なしターゲットドメインのため,自明でない。ドメイン適応と崩壊ロバスト性のポピュラーな方法の単純な組み合わせが,最適以下のCRDA結果を持つことを観測した。CRDAへの2つの技術的洞察に基づく新しいアプローチを提案する。(1)ドメイン不一致発生器(DDG)と呼ばれる簡単な対プラグモジュール(DDG)は,予測不能なコラプスを模倣するためにドメイン不一致を拡大するサンプルを生成する。(2)ターゲットドメインに対する制約を強化するための対照的な損失を有する単純だが効果的な教師-スチューデント方式。実験は,DDGが元のデータでその性能を維持または改善することを立証し,基準線よりも良い崩壊ロバスト性を達成した。このコードはhttps://github.com/YifanXu74/CRDAで利用可能である。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  雑音 ,  ターゲット ,  腐食 ,  学習 ,  データ ,  適応 ,  範囲 ,  画像 ,  方式 ,  基準線 ,  *ロバスト性
準シソーラス用語： 物体検出 ,  Web画像 , 【Automatic Indexing@JST】

著者キーワード (3件)： ドメイン適応 ,  腐食のロバスト性 ,  伝達学習

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

タイトルに関連する用語 (2件)： 破壊 ,  適応