BriefGPT - AI 论文速递
·
无源领域不变性性能预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种基于域泛化的新型校准方法，通过利用多个校准域来减少目标域与校准域之间的分布差异，实现校准转移的改进。实验证明该方法在多类别分类中表现优秀，提高了35个百分点的准确率。
🎯
关键要点
- 提出了一种基于域泛化的新型校准方法。
- 该方法利用多个校准域减少目标域与校准域之间的分布差异。
- 实现了校准转移的改进，不需要目标域的数据。
- 通过理论和实证实验展示了该方法的有效性。
- 与其他基于域适应的最先进校准方法进行了比较。
- 在 Office-Home 数据集上的多类别分类中，准确率提高了 35 个百分点。
- 期望校准误差降低了 8.86 个百分点。
➡️
