摘要
当前不少域自适应方法采用为目标域生成伪标签的思想,但是由于源域数据的不充足以及源域和目标域之间的域差异,模型生成的伪标签往往含有大量错误信息,这些噪声会导致模型出现很严重的负迁移现象.针对伪标签可能带有噪声的情况,一个具有自纠错能力的双网络伪标签模型被提出,该模型拥有一个学生网络和一个教师网络.教师网络利用源域标注数据进行数据降维和子空间变换为目标域无标注数据生成伪标签,该伪标签基于源域类别信息与目标域结构信息.学生网络利用伪标签进行学习,并且将学习结果反馈给教师网络,教师网络根据反馈更新伪标签.通过这种循环自纠错的过程,目标域的伪标签会更加贴合目标域的真实空间,最终达到迁移的效果.所提方法在多个数据集下表现优异,实验结果证明了其有效性.
维普
万方数据