Ein ausgewogener und unsicherheitsbewusster Ansatz für partielles Domänen-Transferlernen

Diese Arbeit behandelt das Problem der unsupervisierten Domänenanpassung, insbesondere im Fall, dass die Klassenlabels im Zielbereich lediglich eine Teilmenge der Labels im Quellbereich darstellen. Dieser partielle Übertragungsansatz ist realistisch, jedoch herausfordernd, und bestehende Methoden leiden stets unter zwei zentralen Problemen: negativer Transfer und Unsicherheitspropagation. In diesem Paper bauen wir auf der Domänen-Adversarial-Learning-Paradigma auf und stellen eine neuartige Domänenanpassungsmethode namens BA$^3$US vor, die zwei neue Techniken, namens Balanced Adversarial Alignment (BAA) und Adaptive Uncertainty Suppression (AUS), integriert. Auf der einen Seite führt negativer Transfer dazu, dass Zielproben fälschlicherweise den Klassen zugeordnet werden, die nur im Quellbereich existieren. Um dieses Problem anzugehen, strebt BAA eine Balance der Klassenverteilungen zwischen den Domänen auf eine äußerst einfache Weise an. Genauer gesagt, nutzt es zufällig einige Quellproben, um den kleineren Zielbereich während der Domänenalignment-Phase zu ergänzen, sodass die Klassenverteilungen in beiden Domänen symmetrisch werden. Auf der anderen Seite wird ein Quellproben als unsicher klassifiziert, wenn eine falsche Klasse eine relativ hohe Vorhersagewahrscheinlichkeit aufweist, und diese Unsicherheit breitet sich leicht auf die unbeschrifteten Zielproben in ihrer Nähe während der Alignment-Phase aus, was die Anpassungsleistung erheblich verschlechtert. Daher stellen wir AUS vor, das sich besonders auf unsichere Proben konzentriert und ein adaptives gewichtetes Komplement-Entropie-Objektiv nutzt, um zu gewährleisten, dass falsche Klassen gleichmäßige und niedrige Vorhersagewerte aufweisen. Experimentelle Ergebnisse auf mehreren Benchmark-Datenbanken zeigen, dass unsere BA$^3$US die bisherigen State-of-the-Art-Methoden für partielle Domänenanpassung übertrifft. Der Quellcode ist unter \url{https://github.com/tim-learn/BA3US} verfügbar.