Domain Adaptation is a technique to improve the performance of a model on a target domain containing insufficient annotated data by using the knowledge learned by the model from another related domain with adequate labeled data.
• 한 도메인(domain)에서 학습된 모델을 다른 도메인으로 전이하여 성능을 개선하는 것을 의미합니다. • 모델을 다른 도메인으로 전이시켜 성능을 향상시킬 수 있으며, 실제 응용 분야에서 다양한 도메인 간의 데이터 변동성에 대응할 수 있는 강력한 도구로 활용됩니다. • 두 가지 접근 방식 ◦ 공통 특징 학습: 원래 도메인에서 학습한 모델을 가져와서 새로운 도메인에 적용할 때, 공통적인 특징을 추출하는 방법입니다. 예를 들어, 도메인 간의 특징 차이를 최소화하는 도메인 적응 기법을 사용하여 도메인 간의 공통 특징을 학습하고, 이를 통해 새로운 도메인에서의 성능을 향상시킬 수 있습니다. ◦ 도메인 분리 학습: 원래 도메인과 새로운 도메인의 데이터를 분리하여 각각 독립적으로 학습한 후, 새로운 도메인에 대한 모델을 조정하는 방법입니다. 이는 새로운 도메인에 대한 학습을 원래 도메인에 영향을 주지 않고 수행할 수 있는 장점이 있습니다. 예를 들어, 도메인 분리 신경망(Domain Separation Networks)이나 도메인 분리 기반의 생성 모델을 사용하여 도메인 간의 분리된 특징을 학습하고, 이를 활용하여 새로운 도메인에 대한 성능을 개선할 수 있습니다.
학습 데이터(Source)와 테스트 데이터(Target)의 차이를 줄이는 전처리나 알고리즘을 적용합니다.