Source-Free Progressive Graph Learning for Open-Set Domain Adaptation

Open-set domain adaptation (OSDA) aims to transfer knowledge from a label-rich source domain to a label-scarce target domain while addressing disturbances from irrelevant target classes not present in the source data. However, most OSDA approaches are limited due to the lack of essential theoretical...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on pattern analysis and machine intelligence Ročník 45; číslo 9; s. 11240 - 11255
Hlavní autoři:	Luo, Yadan, Wang, Zijian, Chen, Zhuoxiao, Huang, Zi, Baktashmotlagh, Mahsa
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States IEEE 01.09.2023 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Action recognition Adaptation Adaptation models domain adaptation Graph neural networks Hypotheses Image classification Knowledge management Labels Machine learning open-set domain adaptation Predictive models Semantics source-free domain adaptation Subspaces Task analysis Training Uncertainty Upper bounds
ISSN:	0162-8828, 1939-3539, 2160-9292, 1939-3539
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!