面向特征生成的无监督域适应算法

摘要：

针对无标签高维图像分类问题,常用的深度网络在无标签的情况下难以产生好的分类结果.为此,提出一种面向特征生成的无监督域适应模型(Feature-GAN),它以一种无监督的方式在特征层面学习从一个域到另一个域转换,将源域图像特征映射为目标域图像特征并保持标签信息,生成的带标签特征可用于目标域特征的分类训练.该模型在复杂图像域适应上避免了图像本身的生成过程,而专注于特征生成,易训练且稳定性高.实验表明,该方法可以广泛应用于复杂图像分类的场景,相比于传统基于样本生成的无监督域适应算法,该算法在精确度、收敛速度以及稳定性上均有提高.

关键词：生成对抗网络、图像分类、迁移学习、无监督域适应

所属期刊栏目：51

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;四川省科技计划;四川省科技计划;广东省基础与应用基础研究基金;中央高校基本科研业务费

在线出版日期：2022-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：580-585,607