关键词open set domain adaptation
搜索结果 - 7
- 无源开放集域自适应的未知样本发现
Unknown Sample Discovery (USD) 是一种利用时间集成的教师模型进行已知 - 未知目标样本分离并通过协同训练和教师学生之间的时间一致性将学生模型适应于目标领域的 SF-OSDA 方法,着重推进 Jensen-Sha - 混合专家用于开放域自适应:一种双空间检测方法
Open Set Domain Adaptation (OSDA) is addressed using a Mixture-of-Expert (MoE) framework, where Dual-Space Detection det - 通过未知利用在开放集领域适应中收紧分类边界
通过提取未知实例的高置信度集合,并将其用作限制条件来收紧开放集域自适应方法的分类边界,改进了开放集域自适应方法。在包含 Office-31 和 Office-Home 数据集的广泛实验中,对 OVANet 进行评估,观察到连续改进的结果,O - 无源开放域适应:通过自监督视觉变换器提炼组织病理学图像
这篇论文提出了一个高度实际倡导 our method outperforms specific open set detection, test-time adaptation, and SF-OSDA methods to establi - ECCV图像旋转对于开放领域适应的有效性研究
该研究提出一种新的自监督学习方法,通过旋转识别任务来解决开放集领域适应中的已知 / 未知样本分离及其性能评估问题,并在 Office-31 和 Office-Home 基准测试中表现出较好的性能和可重复性。
- ICCV吸引还是分散注意力:开放集空间的边缘利用
本文中,我们探讨了如何通过语义分类对齐和对未知类别的映射,提高开放式域适应性的性能。实验证明,我们的方法在现有基准测试上表现优异。
- 开放集领域适应:理论界限与算法
本文提供了第一篇研究开放领域自适应的学习界限,并提出了一种基于分布对齐的新型无监督算法,该算法旨在正则化开放集差异界限,实验证明所提出的 UOSDA 方法优于现有文献中的最新方法。