简介
Unsupervised domain adaptation by backpropagation.Cited-1354.
关键字
Unsupervised,domain adaptation
正文
1. 模型
任务目标是无监督域适应。思路是提取出源域和目标域同分布的特征,在特征上学习分类。方法是利用对抗学习的思想迫使提取的特征同分布,而且满足分类要求。具体如图(原文Fig1),绿色是特征提取器,蓝色是分类器,红色是域对抗器(判别器)。
2. 目标函数
按照上面的叙述,提取的特征满足两个要求:1)可以分类,所以该特征可以使得分类器分类损失最小;2)源域目标域特征同分布,这要求判别器难以判别样本来自哪个域,需要最大化判别器的损失。这两个损失要求相反,那就增加一个梯度反转层来实现域判别器梯度的反转。
损失表达,目标函数,参数更新以及梯度反转如下:
3. 实验
(1)数据集示例
(2)数字集分类准确率对比
(3)office数据集准确率对比
(4)特征可视化
参考资料
[1] Ganin, Yaroslav, and Victor Lempitsky. "Unsupervised domain adaptation by backpropagation." arXiv preprint arXiv:1409.7495 (2014).