局部判别损失无监督域适应方法

作     者：王姗姗 汪梦竹 骆志刚 WANG Shan-shan;WANG Meng-zhu;LUO Zhi-gang

作者机构：安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039 国防科技大学计算机学院并行与分布计算重点实验室湖南长沙410073 

基　　金：国家自然科学基金(62106003) 

出 版 物：《计算机工程与科学》 (Computer Engineering & Science)

年 卷 期：2024年第46卷第1期

页      码：132-141页

摘      要：在无监督域适应任务中,源域和目标域的分布不同,源域数据标签已知,但是目标域的数据标签未知。最大平均差异MMD是一种具有代表性的分布度量方法,广泛应用于源域与目标域之间的分布差异度量。然而,MMD度量及其变种方法通常忽略了样本的类内紧凑性和类间可分离性,降低了特征表达的可判别性。因此,提出局部判别损失无监督域适应方法,从2个方面提升域适应方法的判别能力:(1)重新设计MMD度量方法的权重,解决类别不均衡问题,使难对齐类别在域间分布上保持一致;(2)探索局部对比损失,平衡正样本对和负样本对之间的关系,从而学习到更好的判别性特征。结合域间损失和类间损失,可使同一类样本靠近,不同类样本之间远离。该方法简单有效,即插即用,可扩展至注意力机制的网络结构上。在多个域适应数据集上,该方法的有效性均得到了验证。

主 题 词：无监督域适应 基于类的最大平均差异 局部对比损失 注意力机制 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1007-130X.2024.01.014

馆 藏 号：203125445...