关键词gradual domain adaptation
搜索结果 - 4
- 渐进领域适应:理论与算法
我们提出了一种算法框架 GOAT,可在数据相关的方式下生成中间领域,以改进标准的逐渐领域自适应(GDA)的性能,显著扩大 GDA 的实际应用场景。
- 无需索引中间域的渐进式领域自适应
本研究提出了一种新的逐步领域自适应方法,称为 Intermediate DOmain Labeler(IDOL),应用了粗到细的框架,通过逐步领域鉴别器训练和循环一致性损失函数,发现中间的领域序列,并提升了自适应性能。
- ICML渐进式领域适应的理解:改进分析、最优路径及其它
本文提出 Gradual Self-Training 算法,通过逐步适应介于源域和目标域之间的中间域,使得在目标域上的泛化误差得到大幅度改善,在更为宽松的假设条件下给出了推导的新的上界,该上界只在 T 上线性地,加性地依赖于一系列基础参数, - 了解逐步领域适应的自训练
论文研究了机器学习系统对随时间变化而演化的数据分布的适应性,在渐进领域适应的情况下,证明了使用自我训练的非空界,通过正则化和标签增强来提高算法精度,特别是对于 Wasserstein-infinity 距离较小的转化数据和真实肖像数据集。