基于生成对抗网络的无监督域适应研究

发布时间：2024-02-25 00:00

　　无监督域适应旨在解决源域与目标域数据分布不同但任务相同情况下的知识迁移问题,其中源域数据是有标签的,而目标域数据没有标签。随着生成对抗网络的提出,越来越多的研究借鉴生成对抗的思想解决无监督域适应问题,形成了一系列对抗域适应方法。这些方法大致可分为基于特征对齐的方法和基于样本生成的方法,均取得了优异的效果提升。然而,现有的研究工作也存在着一些不足之处:一方面现有的基于特征对齐的方法没有考虑增强特征的判别性从而提高伪标签准确度,同时现有的基于样本生成的方法对域间样本的域信息和类别信息是独立建模的;另一方面现有的对抗域适应方法关注于特征对齐或样本生成中的某一部分,没有考虑结合两类方法的优势去解决域适应问题。针对上述不足,本文一方面在特征对齐时引入判别器对抗的机制增强特征的判别性,以及利用联合判别器对域间样本的域信息和类别信息进行联合建模;另一方面尝试结合特征对齐方法和样本生成方法的优势对无监督域适应问题进行研究。最后通过在基准数据集上的实验验证了本文提出方法的有效性,并对模型效果进行了多方面的分析。本文的工作主要包括以下几个方面:1.基于判别器对抗的域适应方法.针对现有的研究工作中特征对齐时...

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

图1-1领域自适应的例子Fig.1-1Examplesofdomainadaptation

青岛科技大学研究生学位论文7(3)条件概率分布是否相同，即Qs(ys|xs)与Qt(yt|xt)是否相等。由上述形式化，引出领域自适应：领域自适应（DomainAdaptation）:对于一个有标注的源域niiisyxD1},{与一个无标注的目标域mnnjjtxD1}{，默认源域....

图2-1不同数据分布的目标域数据

青岛科技大学研究生学位论文132领域自适应基本方法2.1数据分布自适应数据分布自适应(DistributionAdaptation)是领域自适应中最常用的领域自适应方法。数据分布自适应的基本思想是，由于源域和目标域的数据概率分布不同，直接通过一些变换的方式，减小不同数据分布的距离....

图2-2TCA和PCA的效果对比

青岛科技大学研究生学位论文15T2111)/(121nnnnIH（2-8）式（2-7）中，min的目标就是要最小化源域和目标域的距离，加上W的约束使其不能太复杂。下面的条件项就是要实现第二个目标：维持各自的数据特征。TCA要维持的特征在文章中说是方差（variance），但实际是....

图2-3STL方法框架的基本思想Fig.2-3MainideaofSTLmethodframework

基于生成对抗网络的无监督域适应研究16目前单独利用条件分布自适应的工作较少[48]，最近，中科院计算所的Wang等人提出了STL（StratifiedTransferLearning）方法[49]。提出了类内迁移（Intra-classTransfer）的方法，指出当前多数方法都....

本文编号：3909752