- …
- …
#663
summarized by : 金城 忍
どんな論文か？
複数の学習済みモデルを利用した教師無しドメイン適応を、ターゲットデータの分類結果に基づいてパラメータを学習することで、最も精度の良いモデルを選択する一方で、そのパラメータで擬似ラベルを重み付けすることで、ラベル空間で各クラスの集合の中心から距離を小さくすることでドメインシフトを妨げる手法の提案
新規性
ドメイン適応でソースデータが利用不可な学習済みモデルを複数使用して、ターゲットデータに対する分類結果に基づいてパラメータを学習することで、最適な学習済みモデルを選択するという点で新規
結果
事前学習したResNet-50を使用し、Office、Office-Caltech、Office-Home及びLeNet+Digitsでの評価で、Office、Office-Caltech、Office-Homeでの評価で提案手法が既存手法よりよい結果を達成する一方で、モデル選択時に学習したパラメータとターゲットに適応したモデルの性能の結果に相関があることも確認した
その他（なぜ通ったか？等）
- …
- …