【论文标题】Heterogeneous Domain Generalization via Domain Mixup 【异构域泛化】通过域混合进行异构域泛化 【作者团队】Yufei Wang , Haoliang Li, Alex C. Kot (电子科技大学&南洋理工大学） 【发表时间】2020/9/11 【论文链接】https://arxiv.org/pdf/2009.05448v1.pdf 【代码链接】https://github.com/wyf0912/MIXALL 【推荐理由】 如何才能提高深度卷积神经网络的泛化问题一直是一个令广大科研工作者关心的热点，现在由电子科技大学和南阳理工大学合作的一篇文章给出了他们的答案，让我们一起来看看吧！ 深度卷积神经网络的主要缺点之一就是其泛化能力。本文的工作中，作者专注于异构域泛化，提出了一种基于混合策略的新算法来解决异构域泛化（HDG）的问题。该算法通过对来自不同域样本的凸组合进行正则化训练后的模型再进行一次正则化。尤其本文提出了两种混合算法。 一种是考虑训练集之间的线性关系；另一种是考虑多个域之间的线性关系。通过从异构混合分布中采样增强后的训练数据，可以得到了一个更加健壮的特征提取器，直接使用此提取器对泛化问题非常有帮助。本文的工作在Visual Decathlon（VD）基准测试中的实验结果表明，所提出的方法可以胜过HDG的最新基准。