要約
部分ドメイン適応（Partial Domain Adaptation: PDA）は実用的な設定から注目を集めている。現在のPDA手法は、ターゲットドメインと再重み付けされたソースドメインの分布を一致させることで特徴抽出器を適応させることが一般的である。本研究では、最先端のPDA手法における再重み付け分布一致による特徴適応が、ソースドメインデータの「ノイズ」を含む重みに対して頑健でないことを実験的に発見した。その結果、いくつかの困難なベンチマークにおいて負のドメイン転送が生じることが明らかになった。負のドメイン転送の課題に対処するため、本研究ではソースドメインデータの重みを敵対的に学習し、ソースとターゲットドメインの分布を一致させる新しい敵対的再重み付け（Adversarial Reweighting: AR）手法を提案する。この重み付けされたソースドメインデータ上で、転送可能な深層認識ネットワークを学習する。このアイデアに基づき、ネットワークのパラメータとソースドメインデータの重みを交互に更新するトレーニングアルゴリズムを構築した。広範な実験の結果、本手法はImageNet-Caltech、Office-Home、VisDA-2017、DomainNetのベンチマークにおいて最先端の性能を達成した。アブレーションスタディも本手法の有効性を裏付けている。