- …
- …
#414
summarized by : 金城 忍
どんな論文か？
ソース・ターゲットドメイン、それぞれでラベル有り・無しデータを利用し、それぞれの特徴量の分布の違いに制約を掛けることで、負の転移を緩和する一方で、ターゲットドメインのラベル有り・無しデータではMMDで分布の違いに制約を掛けることで学習データへの過適合を緩和する提案
新規性
特徴量空間における分布間の違いに一貫性 (距離に対する制約) を保持する一方で、ラベル無しデータに対して重み付けし、それに基づいて再サンプリングし利用することで信頼性を保持しつつ学習することで、ラベル無しデータを有効利用したという点で新規
結果
ImageNetをソースタスク、CIFAR-10、CUB-200-2011及びMURAをターゲットタスクとして評価した結果では、それぞれFixMatch+提案手法、MixMatch+提案手法及びFixMatch+提案手法が、既存の手法及び提案手法のみを利用した場合より良い結果を達成
その他（なぜ通ったか？等）
- …
- …