Learning Domain Adaptive Features with Unlabeled Domain Bridges笔记

Learning Domain Adaptive Features with Unlabeled Domain Bridges笔记

这篇文章是为了解决源域和目标域差异过大的情况,引入了一个现有的中间域(桥),通过源域和桥的匹配(S->B)以及桥和目标域(B->T)的匹配来达到减小源域和目标域分布差异的目的。

Learning Domain Adaptive Features with Unlabeled Domain Bridges笔记

structure:

Learning Domain Adaptive Features with Unlabeled Domain Bridges笔记

该模型由三部分组成:对抗性领域对齐(ADA),原型匹配网络,解缠组件。

在训练阶段,特征提取器G将数据映射到特征空间,然后利用提取到的特征和域标签来进行对抗训练域判别器D

原型网络:https://arxiv.org/pdf/1904.11227v1.pdf(这篇文章还没看,应该也是一种对齐手段,值得一看!)

解缠组件可以将特征分为域不变特征和类无关特征。

上一篇:cli生成vue3


下一篇:想了解大厂如何做推荐?Facebook开源深度学习推荐模型DLRM