Adversarial Discriminative Domain Adaptation 논문 정리

논문 링크

 

 

 

Adversarial Discriminative Domain Adaptation

Eric Tzeng, Judy Hoffman, Kate Saenko, Trevor Darrell

---

 

 

 

 

 

위의 순서가 논문에서 주장하는 ADDA 방식이다.

 

여기서 잡은 task는 글자를 인식하는 classifier이다.

 

점선으로 표현한 것은 파라미터를 학습하지 않는다는 의미이다.

 

 

 

 

첫 번째 단계는, 평소 하던대로 source dataset으로 source CNN과 classifier를 Pre-training 시킨다.

 

 

 

 

두 번째 단계는, source 이미지를 source CNN에 통과시킨 feature map과 target 이미지를 target CNN에 통과시킨 feature map을 discriminator가 구별하는 구조이다.

 

여기서 discriminator는 어느 CNN의 결과인지 잘 구별하도록 학습된다.

 

반면 target CNN은 discriminator가 잘 구별하지 못하도록 GAN의 loss function을 사용하여 학습된다.

 

 

 

 

마지막 단계에서는, target 이미지를 target CNN에 통과시키고 source 이미지로 pre-training 된 classifier를 사용한다.

 

이 방법은 이전 글에서 소개된 Gradient reversal 보다 성능이 좋고, 아래 표에서 확인할 수 있다.