[CVPR 2018]Maximum Classifier Discrepancy for Unsupervised Domain Adaptation
背景 现有的对抗域适应方法中存在两个问题：1.域分类器只用于判别特征是属于源域还是目标域，并没有考虑到类别间的决策边界（没有利用到与类别相关的信息）。2.这些方法旨在于不同域之间的特征分布完全匹配，而由于每个域的特性不同，要实现特征分布的完全匹配比较困难。如下图左边部分所示，现有的一些对抗域适应方法希望于源域和目标域之间的数据分布“重合”，再使用源域上的分类器对目标域分类，而由于域的特性可能不同，
相关文章
- 1. Maximum Classifier Discrepancy for Unsupervised Domain Adaptation
- 2. [论文阅读笔记@2019.6] Maximum Classifier Discrepancy for Unsupervised Domain Adaptation
- 3. 读论文《Maximum Classifier Discrepancy for Unsupervised Domain Adaptation》后的总结
- 4. Re-weighted adversarial adaptation network for unsupervised domain adaptation
- 5. Geodesic flow kernel for unsupervised domain adaptation
- 6. CVPR 2019之迁移学习解读（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）
- 更多相关文章...
- • Swift for 循环 - Swift 教程
- • Scala for循环 - Scala教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • PHP开发工具
相关标签/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。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Maximum Classifier Discrepancy for Unsupervised Domain Adaptation
- 2. [论文阅读笔记@2019.6] Maximum Classifier Discrepancy for Unsupervised Domain Adaptation
- 3. 读论文《Maximum Classifier Discrepancy for Unsupervised Domain Adaptation》后的总结
- 4. Re-weighted adversarial adaptation network for unsupervised domain adaptation
- 5. Geodesic flow kernel for unsupervised domain adaptation
- 6. CVPR 2019之迁移学习解读（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）