초록
깊은 신경망은 대량의 라벨된 입력 데이터에서 강력한 표현을 학습할 수 있지만, 입력 분포의 변화에 항상 잘 일반화하지는 못합니다. 도메인 적응 알고리즘은 도메인 시프트로 인한 성능 저하를 보완하기 위해 제안되었습니다. 본 논문에서는 타겟 도메인이 라벨이 없는 경우, 즉 비지도 적응이 필요한 상황을 다루고 있습니다. CORAL은 소스와 타겟 분포의 2차 통계량을 선형 변환으로 일치시키는 "매우 쉬운" 비지도 도메인 적응 방법입니다. 여기서 우리는 CORAL을 확장하여 깊은 신경망의 층 활성화 간의 상관관계를 일치시키는 비선형 변환을 학습하는 방법(딥 CORAL)을 제시합니다. 표준 벤치마크 데이터셋에서 수행한 실험 결과, 딥 CORAL이 최신 기술 수준의 성능을 보임을 확인할 수 있었습니다.