Core Concepts
ノイズ環境下でのドメイン適応において、混乱したクラスペアを検出して修正する新しい方法が提案されました。
Abstract
ドメイン適応の課題として、ノイズラベルに対するオーバーフィッティングが挙げられる。
提案手法は、難しいクラス内の混乱したクラスペアを特定し、ラベルを修正することで精度向上を実現。
実験結果は提案手法の有効性を示し、既存手法よりも優れたパフォーマンスを発揮。
Abstract
伝統的なドメイン適応よりも難しく実践的なノイズ環境下での未監督ドメイン適応に焦点を当てる。
モデルはノイズラベルにオーバーフィットしやすく、全体的なパフォーマンスが低下する可能性がある。
Introduction
ソースラベルがクリーンであると仮定する従来の研究と異なり、本研究ではソーシャルメディアから取得した弱いラベル付きデータに対処。
ノイズ含有データから派生する未監督ドメイン適応(UDA)はより困難であり、ラベルノイズの影響を受けやすい。
Methodology
共有プロトタイプを使用して混乱したクラスペアを特定し、その間の重複領域でラベル修正を行う方法が提案された。
クロスエントロピー損失関数を使用してモデルをトレーニングする際に修正された擬似ラベルを採用。
Stats
ドメインシフト:模型パフォーマンス低下(40%)
精度:64.7%〜87.4%
ハードクラス:平均損失大
Quotes
"提案手法は、他の最先端手法よりも優れたパフォーマンスを発揮します。"
"混乱したクラスペア修正方法は、UDA under noisy environments全体の精度向上に重要な役割を果たします。"