域泛化是从一个或多个源域中学习，其目标是提取一个可以在未知目标域中使用的域不变模型。在网络训练过程中，模型可能会过度依赖于训练数据集的分布，最终导致无法准确捕获未见数据中存在的适当模式。近日，中国科学院沈阳自动化研究所机器人学研究室机器智能课题组提出了一种加权标签平滑正则化方法。相关成果发表在Knowledge-Based Systems。
该方法通过加权标签平滑正则化引入类间监督，使得模型更加关注类别之间的相对关系而不是绝对差异，从而帮助模型学习到更通用的特征，缓解网络的过拟合特性，提高模型对未知新数据的泛化能力。此外，权重自适应技术寻求迁移性和判别性之间的平衡，使网络更新更加稳定。
该研究成果为解决现实世界不同光线、不同天气场景下的视觉感知问题提供了新思路。
相关论文信息：https://doi.org/10.1016/j.knosys.2024.112877
版权声明：凡本网注明“来源：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请在正文上方注明来源和作者，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，转载请联系授权。邮箱：shouquan@stimes.cn。
