論文の概要: Subtype-Aware Dynamic Unsupervised Domain Adaptation
- arxiv url: http://arxiv.org/abs/2208.07754v1
- Date: Tue, 16 Aug 2022 14:02:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-17 12:00:56.121635
- Title: Subtype-Aware Dynamic Unsupervised Domain Adaptation
- Title（参考訳）: サブタイプアウェア動的非教師なしドメイン適応
- Authors: Xiaofeng Liu, Fangxu Xing, Jia You, Jun Lu, C.-C. Jay Kuo, Georges El
Fakhri, Jonghye Woo
- Abstract要約: 非教師付きドメイン適応(UDA)は、ラベル付きソースドメインからラベルなしのターゲットドメインへの知識伝達に成功している。
そこで本稿では,両ドメインのサブタイプラベルを使わずに,対象ドメインの性能を向上させるために,細粒度サブタイプ認識アライメントを適応的に行う手法を提案する。
- 参考スコア（独自算出の注目度）: 36.996764621968204
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Unsupervised domain adaptation (UDA) has been successfully applied to
transfer knowledge from a labeled source domain to target domains without their
labels. Recently introduced transferable prototypical networks (TPN) further
addresses class-wise conditional alignment. In TPN, while the closeness of
class centers between source and target domains is explicitly enforced in a
latent space, the underlying fine-grained subtype structure and the
cross-domain within-class compactness have not been fully investigated. To
counter this, we propose a new approach to adaptively perform a fine-grained
subtype-aware alignment to improve performance in the target domain without the
subtype label in both domains. The insight of our approach is that the
unlabeled subtypes in a class have the local proximity within a subtype, while
exhibiting disparate characteristics, because of different conditional and
label shifts. Specifically, we propose to simultaneously enforce subtype-wise
compactness and class-wise separation, by utilizing intermediate pseudo-labels.
In addition, we systematically investigate various scenarios with and without
prior knowledge of subtype numbers, and propose to exploit the underlying
subtype structure. Furthermore, a dynamic queue framework is developed to
evolve the subtype cluster centroids steadily using an alternative processing
scheme. Experimental results, carried out with multi-view congenital heart
disease data and VisDA and DomainNet, show the effectiveness and validity of
our subtype-aware UDA, compared with state-of-the-art UDA methods.
- Abstract（参考訳）: 非教師付きドメイン適応(UDA)は、ラベル付きソースドメインからラベルなしのターゲットドメインへの知識伝達に成功している。
最近導入されたtransportable prototypical networks (tpn)は、クラスごとの条件アライメントにさらに対処している。
tpnでは、ソース領域とターゲット領域の間のクラス中心の密接性は潜在空間で明示的に強制されているが、基礎となる細粒度のサブタイプ構造とクラス内のクロスドメインのコンパクト性は十分に研究されていない。
これに対応するために,両ドメインのサブタイプラベルを使わずに,対象ドメインの性能を向上させるために,細粒度サブタイプ認識アライメントを適応的に行う手法を提案する。
我々のアプローチの見識は、クラス内のラベルなしのサブタイプは、条件とラベルのシフトが異なるため、サブタイプ内でローカルに近接するが、異なる特性を示すことである。
具体的には,中間擬似ラベルを用いて,サブタイプワイズコンパクト性とクラスワイズ分離を同時に実施することを提案する。
さらに, サブタイプ数について事前知識のない様々なシナリオを体系的に検討し, その基盤となるサブタイプ構造を活用することを提案する。
さらに、代替処理方式を用いてサブタイプのクラスタセンタロイドを着実に進化させるために動的キューフレームワークを開発した。
マルチビュー先天性心疾患データとVisDAおよびDomainNetを用いて実施した実験結果から,我々のサブタイプ認識型UDAの有効性と妥当性を,最先端UDA法と比較した。
関連論文リスト
- Imbalanced Open Set Domain Adaptation via Moving-threshold Estimation
and Gradual Alignment [58.56087979262192]
Open Set Domain Adaptation (OSDA) は、よくラベルされたソースドメインから未ラベルのターゲットドメインに知識を転送することを目的としている。
OSDA法の性能はドメイン内クラス不均衡とドメイン間ラベルシフトで大幅に低下する。
ラベルシフトによって生じる負の効果を軽減するために,オープンセット移動閾値推定とグラデーショナルアライメント(OMEGA)を提案する。
論文 参考訳（メタデータ） (2023-03-08T05:55:02Z) - Polycentric Clustering and Structural Regularization for Source-free
Unsupervised Domain Adaptation [20.952542421577487]
Source-Free Domain Adaptation (SFDA)は、訓練済みのソースモデルから学習した知識を未確認のターゲットドメインに転送することで、ドメイン適応問題を解決することを目的としている。
既存のほとんどのメソッドは、機能プロトタイプを生成することによって、ターゲットデータに擬似ラベルを割り当てる。
本稿では,PCSRと命名された新しいフレームワークを,クラス内多中心クラスタリングおよび構造規則化戦略を通じてSFDAに取り組むために提案する。
論文 参考訳（メタデータ） (2022-10-14T02:20:48Z) - Prototypical Contrast Adaptation for Domain Adaptive Semantic
Segmentation [52.63046674453461]
プロトタイプ・コントラスト適応(Prototypeal Contrast Adaptation, ProCA)は、教師なしドメイン適応セマンティックセマンティックセグメンテーションのための対照的な学習法である。
ProCAはクラス間の情報をクラスワイドプロトタイプに組み込み、適応のためにクラス中心の分散アライメントを採用する。
論文 参考訳（メタデータ） (2022-07-14T04:54:26Z) - Cross-domain Contrastive Learning for Unsupervised Domain Adaptation [108.63914324182984]
教師なしドメイン適応(Unsupervised domain adapt、UDA)は、完全にラベル付けされたソースドメインから異なるラベル付けされていないターゲットドメインに学習した知識を転送することを目的としている。
対照的な自己教師型学習に基づいて、トレーニングとテストセット間のドメインの相違を低減するために、機能を整列させます。
論文 参考訳（メタデータ） (2021-06-10T06:32:30Z) - Subtype-aware Unsupervised Domain Adaptation for Medical Diagnosis [43.57869330587104]
中間擬似ラベルによるクラスワイズ分離とサブタイプワイズコンパクト化を明示的に強制することにより,粒度の細かいサブタイプアライメントを適応的に実行することを提案する。
私たちの重要な洞察は、クラスのラベルのないサブタイプは、異なる条件およびラベルシフトで互いに分岐することができるということです。
提案するサブタイプ対応動的UDAは,医療診断タスクにおいて有望な結果が得られる。
論文 参考訳（メタデータ） (2021-01-01T21:04:50Z) - Simultaneous Semantic Alignment Network for Heterogeneous Domain
Adaptation [67.37606333193357]
本稿では,カテゴリ間の相関を同時に利用し,各カテゴリ毎のセントロイドを整列させるために,aSimultaneous Semantic Alignment Network (SSAN)を提案する。
対象の擬似ラベルを利用することで、各カテゴリの特徴表現を整列させるために、ロバストな三重項中心のアライメント機構を明示的に適用する。
テキスト・ツー・イメージ、画像・画像・テキスト・ツー・テキストにわたる様々なHDAタスクの実験は、最先端のHDA手法に対するSSANの優位性を検証することに成功した。
論文 参考訳（メタデータ） (2020-08-04T16:20:37Z) - Domain Adaptive Semantic Segmentation Using Weak Labels [115.16029641181669]
本稿では,画像レベルの弱いラベルを持つセマンティックセグメンテーションにおけるドメイン適応のための新しいフレームワークを提案する。
ネットワークに特定のカテゴリへの参加を強制する弱いラベル分類モジュールを開発する。
実験では,UDAにおける既存の最先端技術に対する大幅な改善と,WDA設定における新たなベンチマークを示す。
論文 参考訳（メタデータ） (2020-07-30T01:33:57Z) - Domain Adaptation with Auxiliary Target Domain-Oriented Classifier [115.39091109079622]
ドメイン適応は、知識をラベルリッチだが異質なドメインからラベルケアドメインに転送することを目的としている。
最も一般的なSSLテクニックの1つは、ラベルのない各データに擬似ラベルを割り当てる擬似ラベル付けである。
我々はAuxiliary Target Domain-Oriented (ATDOC) と呼ばれる新しい擬似ラベリングフレームワークを提案する。
ATDOCは、ターゲットデータのみのための補助分類器を導入してバイアスを軽減し、擬似ラベルの品質を向上させる。
論文 参考訳（メタデータ） (2020-07-08T15:01:35Z)
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。