BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 单源开放域泛化 (SS-ODG) 通过提供带标签的源域和没有标签的新颖目标域来解决有监督的挑战。
- 现有技术主要集中于校准源域的分类器以识别目标域中的开放样本，但存在错误分类的问题。
- 提出了一种名为 SODG-Net 的新框架，使用基于学习的目标合成新颖域和生成伪开放样本。
- SODG-Net 通过新颖的度量标准增强了对已知类别样本样式的泛化能力。
- 该框架生成多样的伪开放样本，以训练能够处理开放和闭集数据的统一且自信的多类分类器。
- 在多个基准测试中，SODG-Net 表现出卓越性能。
➡️
