基于伪标签的无监督领域自适应分类方法OA北大核心CSTPCD
现有的领域自适应方法在匹配分布时并未完全考虑伪标签置信度或伪标签损失计算问题,针对此类问题,提出循环选择伪标签分类模型(CSPL)。利用深度网络提取图像特征,为目标域打上高置信度伪标签使得训练数据增强,采用MMD距离度量方法对齐源域和目标域的概率进行分布,同时设计伪标签损失同步迭代学习,更新模型作为下一次循环的训练模型直至模型收敛。在常用的领域自适应数据集Office31、Office-Home、ImageCLEF-DA以及Amazon-Revi…查看全部>>
杨国庆;郭本华;钱淑渠;武慧虹;韩静
贵州财经大学信息学院,贵阳550025贵州财经大学信息学院,贵阳550025 安顺学院数计学院,贵州安顺561000安顺学院数计学院,贵州安顺561000安顺学院数计学院,贵州安顺561000安顺学院数计学院,贵州安顺561000
信息技术与安全科学
无监督领域自适应迁移学习伪标签
《计算机应用研究》 2022 (5)
P.1357-1361,5
评论