[CVPR 2018]Maximum Classifier Discrepancy for Unsupervised Domain Adaptation
背景 現有的對抗域適應方法中存在兩個問題：1.域分類器只用於判別特徵是屬於源域還是目標域，並沒有考慮到類別間的決策邊界（沒有利用到與類別相關的信息）。2.這些方法旨在於不同域之間的特徵分佈完全匹配，而由於每個域的特性不同，要實現特徵分佈的完全匹配比較困難。如下圖左邊部分所示，現有的一些對抗域適應方法希望於源域和目標域之間的數據分佈「重合」，再使用源域上的分類器對目標域分類，而由於域的特性可能不同，
相關文章
- 1. Maximum Classifier Discrepancy for Unsupervised Domain Adaptation
- 2. [論文閱讀筆記@2019.6] Maximum Classifier Discrepancy for Unsupervised Domain Adaptation
- 3. 讀論文《Maximum Classifier Discrepancy for Unsupervised Domain Adaptation》後的總結
- 4. Re-weighted adversarial adaptation network for unsupervised domain adaptation
- 5. Geodesic flow kernel for unsupervised domain adaptation
- 6. CVPR 2019之遷移學習解讀（三）Contrastive Adaptation Network for Unsupervised Domain Adaptation
- 7. CVPR2019 Transferrable Prototypical Networks for Unsupervised Domain Adaptation
- 8. [cvpr2017]Deep Hashing Network for Unsupervised Domain Adaptation
- 9. Unsupervised Domain Adaptation by Backpropagation(2015)
- 10. Unsupervised Domain Adaptation with Residual Transfer Networks（2017）
- 更多相關文章...
- • Swift for 循環 - Swift 教程
- • Scala for循環 - Scala教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • PHP開發工具
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Maximum Classifier Discrepancy for Unsupervised Domain Adaptation
- 2. [論文閱讀筆記@2019.6] Maximum Classifier Discrepancy for Unsupervised Domain Adaptation
- 3. 讀論文《Maximum Classifier Discrepancy for Unsupervised Domain Adaptation》後的總結
- 4. Re-weighted adversarial adaptation network for unsupervised domain adaptation
- 5. Geodesic flow kernel for unsupervised domain adaptation
- 6. CVPR 2019之遷移學習解讀（三）Contrastive Adaptation Network for Unsupervised Domain Adaptation
- 7. CVPR2019 Transferrable Prototypical Networks for Unsupervised Domain Adaptation
- 8. [cvpr2017]Deep Hashing Network for Unsupervised Domain Adaptation
- 9. Unsupervised Domain Adaptation by Backpropagation(2015)
- 10. Unsupervised Domain Adaptation with Residual Transfer Networks（2017）