부분 영역 적응을 위한 예제 전송 학습

도메인 적응은 새로운 환경과 미처 보지 못한 환경에서 학습하는 데 있어 중요한 역할을 합니다. 도메인 적대적 훈련을 통해 딥 네트워크는 소스 도메인과 대상 도메인 간의 데이터셋 시프트를 효과적으로 줄이는 분리되고 전이 가능한 특징을 학습할 수 있습니다. 빅데이터 시대에 대규모 라벨링된 데이터셋의 쉽게 이용 가능성이 광범위한 부분 도메인 적응(Partial Domain Adaptation, PDA)에 대한 관심을 촉진하였습니다. PDA는 라벨링된 큰 도메인에서 라벨링되지 않은 작은 도메인으로 인식기(recognizer)를 전이시키는 방법입니다. 이는 표준 도메인 적응을 대상 라벨이 소스 라벨의 부분 집합일 때의 시나리오로 확장합니다. 대상 라벨이 알려져 있지 않은 상황에서, PDA의 주요 과제는 공유 클래스에서 관련 예제를 전이하여 긍정적인 전이를 촉진하고, 특정 클래스에서 관련성 없는 예제를 무시하여 부정적인 전이를 완화하는 것입니다. 본 연구에서는 이러한 문제들을 해결하기 위해 부분 도메인 적응에 대한 통합 접근 방식인 예제 전이 네트워크(Example Transfer Network, ETN)를 제안합니다. ETN은 소스와 대상 도메인 간에 영역 불변 표현(domain-invariant representations)을 공동으로 학습하며, 소스 예제의 전이 가능성(transferability)을 정량화하면서 동시에 그 중요성을 대상 도메인 학습 과제에 제어하는 점진적인 가중치 방안(progressive weighting scheme)을 포함합니다. 여러 벤치마크 데이터셋에 대한 철저한 평가 결과, 우리의 접근 방식은 부분 도메인 적응 작업에서 최신 기술(state-of-the-art results) 수준의 성능을 달성함을 보여주었습니다.