[发明专利]经由SLICED-WASSERSTEIN距离进行无监督域适应的系统和方法

权利要求书

1.一种用于自主学习代理中的无监督域适应的系统，所述系统包括：

非暂时性计算机可读介质和一个或更多个处理器，所述非暂时性计算机可读介质上编码有可执行指令，使得在执行所述可执行指令时，所述一个或更多个处理器执行以下操作：

利用来自目标域的未标记数据集来调整已学习模型，从而得到经调整的模型，

其中，所述已学习模型先前已被训练使用来自源域的已标记数据集执行任务；

其中，所述已标记数据集具有第一输入数据分布，并且所述未标记目标数据集具有与所述第一输入数据分布有区别的第二输入数据分布；

在所述自主学习代理中实现所述经调整的模型；以及

使所述自主学习代理在所述目标域中执行所述任务。

2.根据权利要求1所述的系统，其中，所述一个或更多个处理器还执行以下操作：使用sliced-Wasserstein(SW)距离作为用于确定所述第一输入数据分布与所述第二输入数据分布之间的相异度的相异度度量。

3.根据权利要求2所述的系统，其中，所述一个或更多个处理器还执行以下操作：针对所述未标记数据集生成伪标记。

4.根据权利要求3所述的系统，其中，所述SW距离以来自所述已标记数据集的标记和所述伪标记为条件来对准所述第一输入数据分布和所述第二输入数据分布。

5.根据权利要求1所述的系统，其中，所述自主学习代理是自主驾驶系统，并且所述任务是功能性移动响应。

6.一种用于自主学习代理中的无监督域适应的计算机实现的方法，所述方法包括以下动作：

使一个或更多个处理器执行被编码在非暂时性计算机可读介质上的指令，使得在执行时，所述一个或更多个处理器执行以下操作：

利用来自目标域的未标记数据集来调整已学习模型，从而得到经调整的模型，

其中，所述已学习模型先前已被训练使用来自源域的已标记数据集执行任务；

其中，所述已标记数据集具有第一输入数据分布，并且所述未标记目标数据集具有与所述第一输入数据分布有区别的第二输入数据分布；

在所述自主学习代理中实现所述经调整的模型；以及

使所述自主学习代理在所述目标域中执行所述任务。

7.根据权利要求6所述的方法，其中，所述一个或更多个处理器还执行以下操作：使用sliced-Wasserstein(SW)距离作为用于确定所述第一输入数据分布与所述第二输入数据分布之间的相异度的相异度度量。

8.根据权利要求7所述的方法，其中，所述一个或更多个处理器还执行以下操作：针对所述未标记数据集生成伪标记。

9.根据权利要求8所述的方法，其中，所述SW距离以来自所述已标记数据集的标记和所述伪标记为条件来对准所述第一输入数据分布和所述第二输入数据分布。

10.根据权利要求6所述的方法，其中，所述自主学习代理是自主驾驶系统，并且所述任务是功能性移动响应。

11.一种用于自主学习代理中的无监督域适应的计算机程序产品，所述计算机程序产品包括：

存储在非暂时性计算机可读介质上的计算机可读指令，所述计算机可读指令能够由具有一个或更多个处理器的计算机执行，以使所述处理器执行以下操作：

利用来自目标域的未标记数据集来调整已学习模型，从而得到经调整的模型，

其中，所述已学习模型先前已被训练使用来自源域的已标记数据集执行任务；

其中，所述已标记数据集具有第一输入数据分布，并且所述未标记目标数据集具有与所述第一输入数据分布有区别的第二输入数据分布；

在所述自主学习代理中实现所述经调整的模型；以及

使所述自主学习代理在所述目标域中执行所述任务。