基于不确定性引导的对比学习在单源领域泛化中的应用
原文中文，约400字，阅读约需1分钟。发表于：。通过引入一种新型模型 Contrastive Uncertainty Domain Generalisation Network (CUDGNet) ，本文提出了在单一域上训练的模型能够在面对多个陌生领域时展现出强大性能的方法。该方法通过虚拟域生成器增强输入和标签空间的源容量，并通过对比学习来联合学习每个类别的域不变表示。在两个 Single Source Domain...
单源开放域泛化 (SS-ODG) 是解决有监督挑战的方法，通过提供带标签的源域和没有标签的新颖目标域来训练和测试。SODG-Net 是一种新框架，使用学习目标合成新颖域和生成伪开放样本，以增强泛化能力和训练多类分类器。实验结果表明，SODG-Net 在多个基准测试中表现出卓越性能。
