이 논문은 다중 소스 반지도 학습 적대적 도메인 일반화 네트워크(MSADGN)를 제안하여 다중 장면 해-육지 클러터 분류 문제를 해결한다. MSADGN은 세 가지 모듈로 구성되어 있다:
도메인 관련 의사 레이블링 모듈: 기존 의사 레이블링 방법의 한계를 극복하기 위해 도메인 간 유사도를 고려한 개선된 의사 레이블링 방법을 제안한다. 이를 통해 레이블이 없는 소스 도메인의 신뢰할 수 있는 의사 레이블을 생성한다.
도메인 불변 모듈: 다중 판별기를 활용한 적대적 학습을 통해 도메인 불변 특징을 추출한다. 이는 모델의 타겟 도메인에 대한 전이 성능을 향상시킨다.
도메인 특정 모듈: 병렬 다중 분류기를 활용하여 도메인 특정 특징을 추출한다. 이는 모델의 타겟 도메인에 대한 판별 성능을 향상시킨다.
제안된 MSADGN은 12개의 도메인 일반화 시나리오에서 검증되었으며, 10개의 최신 도메인 일반화 방법과 비교 실험을 수행하였다. 실험 결과는 MSADGN의 우수성을 입증한다.
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問