Descubriendo Espacios Compartidos para el Reconocimiento Visual mediante Aprendizaje Residual entre Dominios

Resumen Para resolver el problema de la distribución inconsistente de datos en el aprendizaje automático, la adaptación de dominio basada en métodos de representación de características extrae características del dominio fuente y las transfiere al dominio objetivo para la clasificación. Los métodos existentes basados en representación de características principalmente solucionan el problema de la distribución inconsistente de características entre los datos del dominio fuente y los del dominio objetivo, pero solo unos pocos métodos analizan la correlación de las características entre dominios entre el espacio original y el espacio latente compartido, lo que reduce el rendimiento de la adaptación de dominio. Con este fin, proponemos un método de adaptación de dominio con un módulo residual, cuyas ideas principales son: (1) transferir las características de datos del dominio fuente a los datos del dominio objetivo a través del espacio latente compartido para lograr el intercambio de características; (2) construir un modelo de aprendizaje residual entre dominios utilizando el espacio de características latentes como la conexión residual del espacio de características original, lo que mejora la eficiencia de propagación de las características; (3) regular el espacio de características a representación de características escasas, lo que puede mejorar la robustez del modelo; y (4) proporcionar un algoritmo de optimización, y los experimentos en los conjuntos de datos visuales públicos verifican la efectividad del método.