Domain Adaptation

도메인 적응은 레이블이 불충분하거나 존재하지 않는 목표 도메인에서 효과적으로 추론하는 모델을 학습하기 위해 레이블이 풍부하고 목표 도메인과 관련이 있는 소스 도메인을 이용하는 방법론입니다.

도메인 적응은 학습 데이터와 실제 세계 데이터 간의 차이로 인한 성능 저하 문제와 불충분한 양질의 벤치마크 문제로 인해 응용이 제한되는 문제를 해결하기 위한 돌파구로 최근에 많은 주목을 받고 있습니다. 현재 이미지 분류, 객체 검출, 의미론적 분할, 사람 재식별을 비롯한 다양한 컴퓨터 비전 및 인공지능 분야에서 활발하게 연구되고 있습니다.

Taekyung Kim, Minki Jeong, Seunghyeon Kim, Seokeon Choi, and Changick Kim

Self-Ensembling with GAN-based Data Augmentation for Domain Adaptation in Semantic Segmentation

Jaehoon Choi, Taekyung Kim, and Changick Kim

Self-Training with Adversarial Background Regularization for Unsupervised Domain Adaptive One-Stage Object Detection

Seunghyeon Kim, Jaehoon Choi, Taekyung Kim, and Changick Kim

Pseudo-Labeling Curriculum for Unsupervised Domain Adaptation

Jaehoon Choi, Minki Jeong, Taekyung Kim, and Changick Kim