Contrastive Test-Time Adaptation 是 CVPR2022 論文
Test-time adaptation是在target數(shù)據(jù)上進(jìn)行領(lǐng)域自適應(yīng)的方法，而且沒有source數(shù)據(jù)參與。
https://github.com/DianCh/AdaContrast.

這篇論文有代碼，是對(duì)比學(xué)習(xí)和SHOT的融合。

self-learning 和 SHOT 的融合，接下來需要詳細(xì)看看。

文章的亮點(diǎn)

第一條線，使用弱增強(qiáng)數(shù)據(jù)，沒有反梯度優(yōu)化，直接聚類。
第二條線，使用了self-learning and contrastive leanring， 不斷優(yōu)化特征，幫助target model 特征優(yōu)化。
使用了兩個(gè)強(qiáng)增強(qiáng)的q,k 的對(duì)比優(yōu)化，同時(shí)兼顧了自訓(xùn)練。
第三條線，希望聚類得到的標(biāo)簽，進(jìn)化后的模型的預(yù)測(cè)值能夠一致。

總結(jié)

以上是生活随笔為你收集整理的Contrastive Test-Time Adaptation的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。