Découverte d'un espace partagé pour la reconnaissance visuelle par apprentissage résiduel inter-domaines

Résumé Afin de résoudre le problème de la distribution de données incohérente en apprentissage automatique, l'adaptation de domaine basée sur des méthodes de représentation de caractéristiques extrait des caractéristiques du domaine source et les transfère au domaine cible pour la classification. Les méthodes existantes basées sur la représentation de caractéristiques résolvent principalement le problème de la distribution incohérente des caractéristiques entre les données du domaine source et celles du domaine cible, mais peu de méthodes analysent la corrélation des caractéristiques inter-domaines entre l'espace original et l'espace latent partagé, ce qui réduit les performances de l'adaptation de domaine. À cette fin, nous proposons une méthode d'adaptation de domaine avec un module résiduel, dont les principales idées sont : (1) transférer les caractéristiques des données du domaine source vers les données du domaine cible à travers l'espace latent partagé pour réaliser le partage des caractéristiques ; (2) construire un modèle d'apprentissage résiduel inter-domaines en utilisant l'espace de caractéristiques latentes comme connexion résiduelle de l'espace de caractéristiques original, ce qui améliore l'efficacité de propagation des caractéristiques ; (3) régulariser l'espace de caractéristiques pour une représentation de caractéristiques sparses, ce qui peut améliorer la robustesse du modèle ; et (4) donner un algorithme d'optimisation, et les expériences sur des ensembles de données visuelles publics vérifient l'efficacité de la méthode.