ドメインとタスクを超えた同時深層転送

最近の報告によると、大規模データセットで訓練された汎用の監視された深層CNNモデルは、データセットのバイアスを減少させますが、完全には排除しません。新しいドメインで深層モデルをファインチューニングするには、多くの場合、かなりの量のラベル付けされたデータが必要ですが、これは多くのアプリケーションにとって単に入手できません。私たちは、ラベルなしおよびまばらにラベル付けされたターゲットドメインデータを活用するための新しいCNNアーキテクチャを提案します。私たちのアプローチは、ドメイン転送を促進するためのドメイン不変性を同時に最適化し、タスク間の情報を転送するためにソフトラベル分布マッチング損失を使用します。私たちが提案する適応方法は、監視されたおよび半監視された適応設定において評価された2つの標準ベンチマーク視覚ドメイン適応タスクで以前に発表された結果を超える経験的パフォーマンスを提供します。