Alan Uyarlama (Domain Adaptation)

Alan uyarlama (domain adaptation) nedir?

Alan uyarlama, bir kaynak alanda eğitilmiş bir modelin, dağılımı farklı olan bir hedef alanda iyi çalışması için uyarlanmasıdır. Örneğin gündüz çekilmiş araç kamerası görüntüleriyle eğitilmiş bir modeli, gece görüntülerinde de çalışır hale getirmek bir alan uyarlama problemidir. Transfer öğrenmenin özel bir dalıdır ve özellikle hedef alanda etiketli veri az olduğunda değerlidir.

Nasıl çalışır?

Amaç, kaynak ve hedef alan arasındaki dağılım farkını kapatmaktır. Bunun için modelin öğrendiği temsiller iki alanda da ortaklaşacak şekilde hizalanır. Kimi yöntem istatistiksel uzaklıkları küçültür, kimi çekişmeli eğitimle iki alanı birbirinden ayırt edilemez hale getirmeye çalışır. Hedef alanda hiç etiket yoksa buna denetimsiz alan uyarlama denir; az sayıda etiket varsa yarı denetimli yaklaşımlar kullanılır.

Neden önemli?

Gerçek dünyada eğitim ortamı ile kullanım ortamı neredeyse hiç birebir aynı olmaz. Veri toplama koşulları, cihazlar, diller ve kullanıcı davranışı değişir. Her yeni ortam için sıfırdan model eğitmek pahalı ve çoğu zaman imkansızdır. Alan uyarlama, mevcut bilgiyi ziyan etmeden yeni ortama taşıyarak hem maliyeti hem de gerekli veri miktarını ciddi düşürür.

Kullanım alanları

Farklı hastanelerin cihazlarından gelen tıbbi görüntüler, bir dilden diğerine taşınan dil modelleri, farklı ışık koşullarındaki bilgisayarlı görü sistemleri ve sektörden sektöra taşınan öneri modelleri alan uyarlamanın tipik kullanım alanlarıdır.