要約
最近の報告によると、大規模データセットで訓練された汎用の教師あり深層CNNモデルは、標準的なベンチマークにおけるデータセットのバイアスを軽減するものの、完全に除去することはできないとされています。新しいドメインでの深層モデルの微調整には大量のデータが必要となりますが、多くのアプリケーションではそのようなデータが利用できないのが現状です。本研究では、意味的に適切かつドメイン不変な表現を学習するために、適応層と追加のドメイン混同行動損失（domain confusion loss）を導入した新しいCNNアーキテクチャを提案します。さらに、ドメイン混同行動指標（domain confusion metric）を使用して、適応層の次元数とCNNアーキテクチャ内の最適な配置位置を選定する方法も示しています。提案する適応手法は、標準的なビジュアルドメイン適応タスクにおいて既存の研究結果を超える実証的な性能を提供します。