在线测试时间适应的领域特定块选择和配对视觉伪标签
原文约2200字，阅读约需6分钟。发表于：。测试时间适应 (TTA) 目的在于在部署后无法访问源数据的情况下，将预训练模型调整到新的测试领域。我们提出了 DPLOT，一个简单而有效的 TTA 框架，主要包括两个组件：(1) 选择涉及特定领域特征提取的块，通过熵最小化对这些块进行训练；(2) 使用配对视图图像生成伪标签。通过简单地使用翻转增强，我们防止了伪标签质量的降低。我们的实验结果表明，DPLOT 在 CIFAR10-C、CIFAR100-C 和 ImageNet-C 基准测试中表现优于以前的 TTA 方法，分别减少了 5.4%、9.1% 和 2.9% 的错误。
测试时间适应 (TTA) 是将预训练模型调整到新的测试领域的方法。研究者提出了DPLOT框架，通过选择特定领域特征提取的块进行训练，并使用伪标签生成方法。实验结果表明，DPLOT在多个基准测试中表现优于以前的方法。其他研究还提出了不同的测试时间适应方法，如Decoupled Prototype Learning (DPL)、特征修正和自我蒸馏等。
