专栏名称: jiangweijie1981

文献阅读·PixelDA

jiangweijie1981 · 简书 · · 2020-03-05 22:18

正文

请到「今天看啥」查看全文

简介

Unsupervised pixel-level domain adaptation with generative adversarial networks,CVPR-2017,Cited-601.
Open source,unofficial,pytorch,star-52.

关键字

域适应，Image-to-Image，GAN，无监督，机器学习

正文

1. 任务和思路

任务是域适应，方法是利用GAN把源域的图像 $x$ 转换到目标域中，然后再利用转换后的 $\tilde x$ 来训练分类器等任务完成对目标域的任务。大体上就是个ACGAN，把ACGAN的标签换成源域的图像，再共享判别器和分类器的参数就差不多了，具体的模型和网络结构如图（原文Fig2）所示。

模型和结构.png

目标函数的损失项有3个，第一个是常规的GAN损失，第二个是分类损失，第三个是内容损失，这里给了个先验，按照先验来计算损失。公式如下：

$\min_{\theta_G,\theta_T}\max_{\theta_D}\alpha L_d(D,G)+\beta L_t(T,G)+\gamma L_c(G)$

2. 实验

实验的数据集有两类：数字集MNIST，USPS，MNIST-M；姿态估计集LineMod。这边就记录数字集上的结果（原文Fig3，Table1）。

Digit.png

参考资料

[1] Bousmalis, Konstantinos, et al. "Unsupervised pixel-level domain adaptation with generative adversarial networks." Proceedings of the IEEE conference on computer vision and pattern recognition. 2017.