-
题名基于特征异常检测与伪标签回归的无监督对抗域适应
- 1
-
-
作者
潘杰
刘波
邹筱瑜
-
机构
中国矿业大学信息与控制工程学院
中国矿业大学机电工程学院
-
出处
《电子学报》
北大核心
2025年第1期128-140,共13页
-
基金
国家自然科学基金(No.62176258,No.62273349,No.61806207)
中央高校基本科研业务费专项资金项目(No.2021YCPY0111)。
-
文摘
无监督域适应任务中源域和目标域通常不满足独立同分布假设.为生成目标域可用标签,经典域适应方法选择分类器预测概率最大的类别作为目标样本伪标签,使伪标签中可能包含噪声信息,造成域适应“负迁移”.此外,传统对抗域适应方法往往考虑对齐领域间全局分布,较少关注样本类别信息,如何在域适应任务中提取判别性类别级特征至关重要.为此,本文提出一种基于特征异常检测与伪标签回归的无监督对抗域适应方法.通过分类器预测同类别目标样本组成目标域类别子域,引入高斯均匀混合模型检测与类均值特征距离异常的子域样本,计算样本后验概率并以此度量子域中样本伪标签的正确性,作为损失因子限制伪标签在训练中对模型的影响.同时,采用伪标签回归函数减小分类器预测标签与高置信度伪标签差异,对无标签目标域进行类别约束,提高特征类别可辨别性.实验表明,所提方法在数据集Office-31、Image-CLEF和Office-Home上平均识别精度分别为90.2%、89.6%和69.5%,较相关主流算法均有提升.
-
关键词
对抗域适应
特征检测
高斯均匀混合模型
伪标签回归
无监督学习
图像分类
-
Keywords
adversarial domain adaptation
feature detection
Gaussian uniform mixture model
pseudo-label regression
unsupervised learning
image classification
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
