論文の概要: Supervised Domain Adaptation: A Graph Embedding Perspective and a
Rectified Experimental Protocol
- arxiv url: http://arxiv.org/abs/2004.11262v4
- Date: Sun, 24 Oct 2021 13:42:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-10 09:10:54.387877
- Title: Supervised Domain Adaptation: A Graph Embedding Perspective and a
Rectified Experimental Protocol
- Title(参考訳): 教師あり領域適応:グラフ埋め込み視点と修正実験プロトコル
- Authors: Lukas Hedegaard, Omar Ali Sheikh-Omar, Alexandros Iosifidis
- Abstract要約: 本稿では、ソースとターゲットのドメインデータ間のペアワイズ関係を用いたドメイン適応法をグラフ埋め込みとして定式化できることを示す。
具体的には、既存の3つのSupervised Domain Adaptationメソッドの損失関数を分析し、グラフ埋め込みを行うことを示す。
- 参考スコア(独自算出の注目度): 87.76993857713217
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Domain Adaptation is the process of alleviating distribution gaps between
data from different domains. In this paper, we show that Domain Adaptation
methods using pair-wise relationships between source and target domain data can
be formulated as a Graph Embedding in which the domain labels are incorporated
into the structure of the intrinsic and penalty graphs. Specifically, we
analyse the loss functions of three existing state-of-the-art Supervised Domain
Adaptation methods and demonstrate that they perform Graph Embedding. Moreover,
we highlight some generalisation and reproducibility issues related to the
experimental setup commonly used to demonstrate the few-shot learning
capabilities of these methods. To assess and compare Supervised Domain
Adaptation methods accurately, we propose a rectified evaluation protocol, and
report updated benchmarks on the standard datasets Office31 (Amazon, DSLR, and
Webcam), Digits (MNIST, USPS, SVHN, and MNIST-M) and VisDA (Synthetic, Real).
- Abstract(参考訳): ドメイン適応は、異なるドメインのデータ間の分散ギャップを軽減するプロセスである。
本稿では,ソースとターゲットのドメインデータ間のペアワイズ関係を用いたドメイン適応法を,ドメインラベルを内在グラフとペナルティグラフの構造に組み込むグラフ埋め込みとして定式化できることを示す。
具体的には、既存の3つのSupervised Domain Adaptationメソッドの損失関数を分析し、グラフ埋め込みを行うことを示す。
さらに,これらの手法の少数の学習能力を実証するためによく用いられる実験装置に関する一般化と再現性の問題を強調した。
提案手法を正確に評価・比較するために,修正された評価プロトコルを提案し,標準データセットであるOffice31(Amazon, DSLR, Webcam),Digits(MNIST, USPS, SVHN, MNIST-M),VisDA(Synthetic, Real)の更新ベンチマークを報告する。
関連論文リスト
- Compositional Semantic Mix for Domain Adaptation in Point Cloud
Segmentation [65.78246406460305]
合成意味混合は、ポイントクラウドセグメンテーションのための最初の教師なし領域適応技術である。
本稿では、ソースドメイン(例えば合成)からの点雲とターゲットドメイン(例えば実世界)からの点雲を同時に処理できる2分岐対称ネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-08-28T14:43:36Z) - Unsupervised Domain Adaptation for Point Cloud Semantic Segmentation via
Graph Matching [14.876681993079062]
本稿では,2つの領域間の局所的な特徴アライメントを探索するグラフベースのフレームワークを提案する。
また、カテゴリー誘導型コントラスト損失を定式化し、セグメント化モデルを誘導し、対象領域における識別的特徴を学習する。
論文 参考訳(メタデータ) (2022-08-09T02:30:15Z) - OTAdapt: Optimal Transport-based Approach For Unsupervised Domain
Adaptation [10.485172090696642]
本稿では, 最適輸送ベース距離に基づいて, 教師なし領域適応に対する新しいアプローチを提案する。
このアプローチは、ドメイン間で有意義なメトリクスを必要とせずに、ターゲットドメインとソースドメインの整合を可能にする。
提案手法は,様々な問題において異なるデータセット上で評価される。
論文 参考訳(メタデータ) (2022-05-22T04:25:24Z) - Seeking Similarities over Differences: Similarity-based Domain Alignment
for Adaptive Object Detection [86.98573522894961]
本研究では,Unsupervised Domain Adaptation (UDA) アルゴリズムが検出に使用するコンポーネントを一般化するフレームワークを提案する。
具体的には、最適な設計選択を生かした新しいUDAアルゴリズムViSGAを提案し、インスタンスレベルの特徴を集約する単純だが効果的な方法を提案する。
類似性に基づくグループ化と対角トレーニングの両方により、モデルでは、ゆるやかに整列されたドメインにまたがるすべてのインスタンスにマッチせざるを得ず、機能グループを粗い整列することに集中することが可能であることが示されています。
論文 参考訳(メタデータ) (2021-10-04T13:09:56Z) - Cross-Domain Facial Expression Recognition: A Unified Evaluation
Benchmark and Adversarial Graph Learning [85.6386289476598]
我々は,クロスドメイン全体的特徴共適応のための新しい逆グラフ表現適応(AGRA)フレームワークを開発した。
我々は,いくつかの一般的なベンチマークで広範囲かつ公平な評価を行い,提案したAGRAフレームワークが従来の最先端手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2020-08-03T15:00:31Z) - Cross-domain Detection via Graph-induced Prototype Alignment [114.8952035552862]
カテゴリレベルのドメインアライメントを求めるグラフ誘発プロトタイプアライメント(GPA)フレームワークを提案する。
さらに,クラス不均衡がドメイン適応に与える影響を軽減するために,クラス重み付きコントラスト損失を設計する。
我々のアプローチは、既存の手法よりも顕著なマージンで優れています。
論文 参考訳(メタデータ) (2020-03-28T17:46:55Z) - Supervised Domain Adaptation using Graph Embedding [86.3361797111839]
領域適応法は、2つの領域間の分布がシフトし、それを認識しようとすると仮定する。
グラフ埋め込みに基づく汎用フレームワークを提案する。
提案手法が強力なドメイン適応フレームワークにつながることを示す。
論文 参考訳(メタデータ) (2020-03-09T12:25:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。