- …
- …
#375
summarized by : 金城 忍
どんな論文か？
任意の数の分類器を学習し、ソース及びターゲットドメインのデータを使用して敵対的損失を取り、ドメイン不変な特徴量を抽出するエンコーダ (の集合) を作成後、ターゲットデータを使用し、分類機の予測結果と期待予測から、クラス毎に予測結果に対する正規化した信頼度スコアを取得後、疑似ラベルを使用して自己学習することで、ドメイン適応に対する性能を改善するエンコーダの提案
新規性
学習したパラメータでターゲットドメインのデータを使用して、クラス毎に予測と期待予測を取得し、その類似性に基づいて信頼度スコアを算出し、それに基づいて選択されたターゲットドメインのデータを使用してドメイン適応の性能を改善したという点で新規
結果
ImageNetで事前学習したMSDNet-S4, S7+提案手法で、DomainNetでの評価ではDANN適応時で、ResNet50, 152より提案手法及び、CDAN, BSP適応時で、ResNet50より提案手法が平均値で良い結果を達成し、Office31, VisDA-2017での評価においてDANN, CDAN, BSP適応時で、ResNet50より提案手法が良い結果を達成
その他（なぜ通ったか？等）
- …
- …