Active Domain Adaptation via Clustering Uncertainty-Weighted Embeddings

2022년 04월 01일 (금) | 발표자: 권도현

Domain adaptation의 성능을 높히기 위해 unlabeled target domain의 일부 data에 약간의 비용을 사용하여 labeling을 한다. Active learning과 결합된 문제인 Active domain adaptation을 효율적으로 해결하기 위해 기존의 active learning의 labeling 전략인 uncertainty based method와 diversity based method의 한계를 다루고, 기존 전략들을 융합하여 active domain adaptation에 효율적으로 사용할 수 있는 labeling 전략인 Clustering Uncertainty-Weighted Embeddings을 제안한다.