关键词pseudo-labeled target data
搜索结果 - 2
- 持续源自由非监督域自适应
本研究旨在通过提出一种新型架构,即 C-SUDA,解决现有无源无监督领域自适应在不断学习的情况下存在的灾难性遗忘问题,并在不利于源领域的情况下,仅通过利用假标记的目标数据和源模型来维护源领域的性能,实现更好的目标领域性能。在 PACS、Vi - AAAISRoUDA: 元自我训练用于强健的无监督域自适应
本文提出了一种新的元自我训练流程 SRoUDA,通过自训练的范例,SRoUDA 允许直接将 AT 纳入到 UDA 中,并且,在 SRoUDA 中的元步骤进一步有助于由嘈杂的伪标签导致的误差传播的缓解。经过各种基准数据集的广泛实验表明,SRo