开放集域适应(Open Set Domain Adaptation)
阅读论文:Open Set Domain Adaptation
(
Closed Set:目标域和源域包含了同一组对象类的图像(例如:source有5类,target也是这完全相同的5类)
例如:a图中的源域中有car、chair、dog三类,而目标域中的数据也都在car、chair、dog三类中;
Open Set:目标域与源域的对象类别可能并不都相同,同时,目标域中可能包含了与源域毫无相关的图像(source有5类,target只共享了其中某些类,还有未知类)
例如:b图中除了之前的三类还有unknown类型的数据,而在目标域中也存在源域中不存在的类别的数据
直观理解:
论文中实现Open Set Domain Adaptation的方法:
a图中的源域中包括三角、矩形、菱形三种类型以及unknown(灰色),目标域中没有标签
1.通过源域给目标域分配标签(异常点没有标签)
2.将源域映射到目标域,最小化它们之间的距离,经过变换后的目标域为c
3.通过步骤1 2迭代至收敛,使用从源域训练的分类器对目标域进行分类
通过源域给目标域分配标签:
无监督场景:
将目标域的个体数据分类到源域类别的损失
定义为:
其中Tt为目标域的特征表示,Sc表示类别中的数据均值
整体的损失函数:
Xct表示样本是否要被标记为某一类别,Ot表示样本是否是一个异常点
约束一:样本必须分配,不是为已知类别就是异常点
约束二:保证每个类别至少要有一个样本
半监督场景:
半监督的场景中目标域是包含一定带标签数据的,所以已经有标签的数据不需要标签的分配
总的损失函数变为:
其中的Xc·t·表示已有标签的数据不改变其标签,其中的dcc为
将源域映射到目标域:
映射损失函数:
对目标域分类:
使用在源域训练完成的分类器对目标域的数据进行训练分类
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 智能桌面机器人:用.NET IoT库控制舵机并多方法播放表情
· Linux glibc自带哈希表的用例及性能测试
· 深入理解 Mybatis 分库分表执行原理
· 如何打造一个高并发系统?
· .NET Core GC压缩(compact_phase)底层原理浅谈
· 手把手教你在本地部署DeepSeek R1,搭建web-ui ,建议收藏!
· 新年开篇:在本地部署DeepSeek大模型实现联网增强的AI应用
· 程序员常用高效实用工具推荐,办公效率提升利器!
· Janus Pro:DeepSeek 开源革新,多模态 AI 的未来
· 【译】WinForms:分析一下(我用 Visual Basic 写的)