计算机应用研究

作者：邹聪,汪云云,

单位：南京邮电大学a.计算机学院、软件学院、网络空间安全学院;b.江苏省大数据安全与智能处理重点实验室,南京210023；

关键词：无监督域适应,源域无关的域适应,双矫正机制,自监督学习,

基金：国家自然科学基金面上项目(61876091,61772284,62006126)；；

标准域无监督域适应学习是从相关的源域学习知识迁移到目标域，通常假设源域数据在训练阶段是可直接使用的。但是由于隐私和安全问题，在一些现实的应用中，源域数据往往是不可直接获取的，如何有效利用目标域数据从而减少噪声类的输出或特征的产生是源域无关域适应学习的巨大挑战。为解决这个问题，提出了一个基于双矫正机制的源域无关域适应学习模型（source-free domain adaptation with dual-correction mechanism，DCM）。首先，探索目标域样本信息结构，对噪声类输出进行矫正；其次，采用教师—学生模型指导特征的学习，最大化高置信度特征间的一致性以及低置信度特征间的差异性。最后，在数字集、Office-31和Office-Home数据集上的实验结果证实了DCM的有效性。

来源：2022年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第12期