要約
ドメイン敵対学習は、ソースドメインとターゲットドメイン間の特徴分布を2者ミニマックスゲームで揃えます。既存のドメイン敵対ネットワークは、異なるドメイン間で同一のラベル空間を前提としています。ビッグデータの存在下では、既存の大規模ドメインから未知の小規模ドメインへ深層モデルを転移させる動機が強くあります。本論文では、部分的なドメイン適応という新しいドメイン適応シナリオを導入します。これは、完全に共有されるラベル空間の仮定を緩和し、ソースラベル空間がターゲットラベル空間を包含するという仮定に置き換えます。従来の方法は通常、全体のソースドメインをターゲットドメインに合わせますが、ラベル空間間に大きな不一致があるため、部分的なドメイン適応問題においてネガティブな転移に脆弱です。私たちはPartial Adversarial Domain Adaptation (PADA) を提案します。PADAは、外れ値となるソースクラスのデータの重みを下げることでネガティブな転移を緩和し、共有されるラベル空間内の特徴分布を合わせることでポジティブな転移を促進します。実験結果は、PADAがいくつかのデータセットにおける部分的なドメイン適応タスクで最先端の結果を超えることを示しています。