論文 採択のお知らせ
当研究室の論文が Winter Conference on Applications of Computer Vision (WACV) 2023 に採択されました。
書誌情報
Thomas Westfechtel, Hao-Wei Yeh, Qier Meng, Yusuke Mukuta, Tatsuya Harada. “Backprop Induced Feature Weighting for Adversarial Domain Adaptation with Iterative Label Distribution Alignment”, Winter Conference on Applications of Computer Vision (WACV) 2023
概要
大規模なラベル付きデータセットが必要であることは、正確なディープニューラルネットワークの訓練を制限している要因の1つです。
教師なしドメイン適応は、多くのラベル付きデータを持つあるドメインから、ラベル付きデータがほとんどない別のドメインに知識を転送することで、この限られた学習データの問題に取り組むものです。 一般的なアプローチとして、例えば敵対的アプローチでドメイン不変の特徴を学習することがあります。
従来の方法では、ドメイン分類器とラベル分類器ネットワークを別々に学習することが多く、両分類器ネットワークは互いにほとんど相互作用しません。本論文では、特徴空間のバックプロップ誘導による重み付けに基づく分類器を紹介します。このアプローチには主に2つの利点があります。まず、領域分類器が分類に重要な特徴に焦点を当てることができ、次に、分類と敵対的分岐をより密接に結合させることができます。さらに、クラスバランスのとれたデータローダを実現するために、過去の実行結果を利用した反復ラベル分布アライメント法を導入しています。提案アルゴリズムの有効性を示すため、Office-31、OfficeHome、DomainNetの3つのベンチマークで実験とアブレーションを行いました。
研究室ホームページ