面向开放集图像分类的模糊域自适应方法

刘晓龙，王士同

1.江南大学 人工智能与计算机学院，江苏 无锡214122

2.江南大学 江苏省媒体设计与软件技术重点实验室，江苏 无锡214122

目前国内外大多数的域自适应的工作都假定目标域样本必然属于源域的已知类，两者有相同的类别空间，样本特征分布虽然不同但是相似。在实际的开放情况中，这种情况大多是不存在的，测试的目标域中大多还是有不同于源域的独立类别样本，把这些独立类别称为“未知类”，源域和目标域完全相同的类别，称为“共享类”。但是如果源域和目标域除了包含共享类别之外还都有完全独立的未知类别样本，那么称作这是一种开放集合领域场景。在此种开放的场景下，源域和目标域的共享已知类样本特征分布相似，差异较小；但是由于未知类的多样性，源域和目标域中未知类样本与共享类样本之间分布差异或大或小，简单的线性分类器不能应用到此种开放集的场景下。源域和目标域在开放集场景下不再像在封闭集下那样受限于共享相同的类别。图1 展示了开放集和封闭集领域场景：图（a）中源域和目标域只包含同一组共享类别的图像；图（b）中源域和目标域包含未知类别或存在其他领域的类别的样本，即有共同的已知类别样本之外，还有完全独立的未知类别样本。这种开放集合的领域是基于一种开放设置[1]的概念引申出来的。

Fig.1 Closed set domain and open set domain图1 封闭集合域与开放集合域

为了解决源域中带标签的数据集与目标域中的非标签数据之间的转移问题，从标签丰富的源域中训练分类器应用到另一个目标域样本，国内外学者也提出了许多域自适应方法[2-6]。……