[论文笔记]Deep Domain Confusion: Maximizing for Domain Invariance

该论文提出DDC(Deep Domain Confusion)解决深度网络的自适应问题，应用于迁移学习。 摘要 一般的监督学习deep-CNN模型需要在大规模的数据集上训练，但不可移植。 微调预训练模型的方法在一些新的领域需要特别的数据，也不适用。 作者用了一种新的CNN结构，加入了一个自适应层（adaption layer）和一个addtional domain confusion loss来学

>>阅读原文<<