1. Method
이 논문에서는 meta learning에서 episocic learning 기법이 들어갑니다.
우선 각 domain들의 데이터가 전부 aggregate해서 모델에 들어가는 경우입니다. 이 경우에는 feature extractor, classifier가 하나 있습니다.
그 다음으로는 각 domain 마다 모델을 하나 씩 할당해주는 방법입니다. 이 경우에는 해당 도메인의 데이터에 대해서는 성능이 좋겠지만, 다른 도메인의 데이터가 input으로 들어오면 성능이 나빠질 것입니다.
그 다음으로는 각 도메인의 feature extractor에 다른 domain의 classifier와 결합합니다. 이는 classifier가 학습하는 data point를 인지한다고 합니다.
다음 방법은 앞과 유사합니다. 앞은 feature extractor에 다른 도메인의 classifier를 섞는 방식이였다면, 이는 하나의 classifier와 다른 도메인의 feature extractor를 결합하는 방식입니다.
이는 feature extractor과 최근 도메인의 데이터로 학습하지 않은 경우에 대해 학습을 할 때입니다. 여기서는 random weight로 초기화된 clssifier를 이용합니다.
이 앞의 방법들을 이용하여 학습을 하게 됩니다.
2. Experiment
성능은 이와 같습니다.
반응형