用於部分遷移學習的加權對抗網絡 | CVPR 2018論文解讀

背景 我們目前接觸過的絕大部分遷移學習問題情景都是：源域和目標域的特徵空間與類別空間一致，只是數據的分佈不一致，如何進行遷移。也就是說，源域和目標域要是幾類，都是幾類。 但是這種情況顯然具有很大的限制性：在真實應用中，我們往往不知道目標域的類別，更無法獲知它是否和源域的類別完全一樣。這就極大地限制了它的應用。 遷移學習的目標就是利用大量有標註的源域數據來對目標域數據進行建模。如果我們假設已有的源域

>>阅读原文<<