Alignement de Distribution Modifié pour l'Adaptation de Domaine avec un Réseau Inception ResNet Pré-entraîné

Les réseaux neuronaux profonds sont largement utilisés en vision par ordinateur. Plusieurs réseaux neuronaux profonds bien entraînés ont été développés pour le défi de classification ImageNet, qui a joué un rôle significatif dans la reconnaissance d'images. Cependant, peu de travaux ont exploré l'utilisation de réseaux neuronaux pré-entraînés pour la reconnaissance d'images dans l'adaptation de domaine. Dans cet article, nous sommes les premiers à extraire des caractéristiques mieux représentées à partir d'un modèle Inception ResNet pré-entraîné pour l'adaptation de domaine. Nous présentons ensuite une méthode modifiée d'alignement de distribution pour la classification en utilisant ces caractéristiques extraites. Nous testons notre modèle sur trois jeux de données de référence (Office+Caltech-10, Office-31 et Office-Home). De nombreuses expériences montrent des améliorations significatives (4,8 %, 5,5 % et 10 %) en précision de classification par rapport aux méthodes les plus avancées actuellement disponibles.