科研之友
微信
新浪微博
Facebook
分享链接
摘要
部分领域自适应作为领域自适应一种特殊且重要的场景，由于其存在的异常源类经常导致负迁移，从而造成训练和建模效果不理想，为此提出了一种深度加权子域自适应网络。该网络针对深度网络提取的类别特征中存在异常源类造成的负迁移，设置重要性加权自适应权重调节机制，解决异常源类造成的分类精度较低的问题；并提出局部加权最大均值差异策略，对齐相关子域的分布，获取更多的细粒度信息，解决全局对齐中迁移性能不高的问题。在Office-31、Office-Home数据集上与PADA、SAN、IWAN等方法的仿真对比实验结果表明，该方法可以获得比现有主流方法更高的分类准确率，有效地解决迁移过程中异常源类造成的负迁移问题，并且水下数据集用于域适应的平均准确率达到90.55%。
- 单位
