초록
도메인 적대적 학습은 두 플레이어 미니맥스 게임에서 소스 도메인과 타겟 도메인 간의 특징 분포를 일치시키는 기법입니다. 기존의 도메인 적대적 네트워크는 일반적으로 서로 다른 도메인 간에 동일한 라벨 공간을 가정합니다. 빅데이터 환경에서는 기존의 큰 도메인에서 미지의 작은 도메인으로 딥 모델을 전이하는 것이 강력한 동기를 제공합니다. 본 논문에서는 새로운 도메인 적응 시나리오로 부분 도메인 적응을 소개하며, 이는 완전히 공유된 라벨 공간 가정을 완화하여 소스 라벨 공간이 타겟 라벨 공간을 포함하도록 합니다. 이전 방법들은 주로 전체 소스 도메인을 타겟 도메인에 맞추었으므로, 라벨 공간 간의 큰 불일치로 인해 부분 도메인 적응 문제에서 부정적인 전이에 취약할 수 있습니다. 우리는 부분 적대적 도메인 적응(Partial Adversarial Domain Adaptation, PADA)을 제시합니다. PADA는 아웃라이어 소스 클래스의 데이터를 훈련 과정에서 가중치를 줄여서 부정적인 전이를 완화하고, 공유된 라벨 공간 내의 특징 분포를 일치시키면서 긍정적인 전이를 촉진합니다. 실험 결과, PADA가 여러 데이터셋에서 부분 도메인 적응 작업에 대한 최신 연구 결과를 초월함을 보여줍니다.