초록
비지도 모델 전송은 새로운 영역으로의 딥 모델의 일반화 능력을 크게 향상시킬 잠재력이 있습니다. 그러나 현재 문헌에서는 대상 데이터를 사전에 서로 다른 영역으로 분리한다고 가정하고 있습니다. 본 논문에서 우리는 도메인 무관 학습(Domain-Agnotsic Learning, DAL)이라는 과제를 제안합니다: 라벨링된 소스 도메인에서 지식을 어떻게 임의의 타겟 도메인의 비라벨링된 데이터로 전송할 수 있을까요? 이 문제를 해결하기 위해, 우리는 도메인 특유의 특성을 클래스 식별 정보로부터 분리할 수 있는 새로운 딥 적대적 분리 오토인코더(Deep Adversarial Disentangled Autoencoder, DADA)를 설계하였습니다. 실험적으로 우리가 보여주듯이, 타겟 도메인 라벨이 알려지지 않은 경우, DADA는 여러 이미지 분류 데이터셋에서 최신 기술 수준의 성능을 달성합니다.