Modifizierte Verteilungsanpassung für Domänenadaptierung mit vortrainiertem Inception ResNet

Tiefe neuronale Netze werden in der Computer Vision weit verbreitet eingesetzt. Es gibt mehrere gut trainierte tiefe neuronale Netze für die ImageNet-Klassifikationsausforderung, die eine bedeutende Rolle bei der Bilderkennung gespielt haben. Allerdings wurde bisher wenig Arbeit auf dem Gebiet der Vortrainierten neuronalen Netze für die Domänenanpassung in der Bilderkennung geleistet. In dieser Arbeit sind wir die Ersten, die verbesserte Merkmalsrepräsentationen aus einem vortrainierten Inception ResNet-Modell für die Domänenanpassung extrahieren. Anschließend stellen wir eine modifizierte Verteilungsangleichmethode zur Klassifikation mithilfe der extrahierten Merkmale vor. Wir testen unser Modell anhand dreier Benchmark-Datensätze (Office+Caltech-10, Office-31 und Office-Home). Umfangreiche Experimente zeigen erhebliche Verbesserungen (4,8 %, 5,5 % und 10 %) in der Klassifikationsgenauigkeit im Vergleich zum Stand der Technik.