讲座人：马泽宇 博士生

题目：基于差异性和结构性对比的无源域自适应检索方法的研究

时间：2024年5月31日15: 00-16: 00

地点：T5305

讲座内容：

近年来，领域自适应检索算法受到越来越多的关注。然而，由于数据安全和传输的限制，往往无法获得丰富的源域数据。为此，本报告研究了无源域自适应检索方法，该问题旨在提高哈希模型在不访问源域数据的情况下，在具有域偏移的目标域上进行测试时的检索性能。这一问题的挑战性主要在于目标域上的标签稀缺性和模糊的领域偏移。本报告提出了一种新的哈希检索方法，称为基于差异性和结构性的对比DISC，用于有效的无源域自适应检索。首先，DISC使用源域数据训练哈希模型，并将每个类的分布存储在隐藏空间中。在无源域适应过程中，基于存储的分布生成模拟的源域特征，并使用最大平均差异来比较跨域的类特定分布，以克服潜在的域偏移问题。此外，为了解决标签稀缺性问题，DISC使用目标域上的深度特征来估计图结构，用于指导有效的哈希对比学习，以生成具有判别性和域不变性的哈希码。最终，在多个基准数据集上的大量实验验证了所提出的方法DISC相较于对比方法的优越性。