基于判别感知对比网络的领域泛化学习

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：领域泛化旨在通过从源域学习可迁移的知识，在源域上训练后，再推广到未见过的目标领域也能良好运行。现有的对比领域泛化方法通过跨领域对齐同一类别的样本来追求领域不变特征，但忽略了类别之间的混淆。因此，学习到的模型可能缺乏区分性和鲁棒性，尤其是在领域之间存在显著差异时。为此提出了判别感知对比网络（DACA），通过增强类别和样本的区分性减少类别之间的混淆，同时保持跨领域的类内一致性。（剩余131字）

试读结束

目录
monitor
客服机器人