[Lectura del artículo] Adaptación del dominio Resumen del dominio (actualizado continuamente)
La distancia de momento entre cada dominio de origen y el dominio de destino se define como la distancia entre el dominio de origen y el dominio de destino y la distancia entre cada dominio de origen. La fórmula es la siguiente:
La función objetivo se expresa como la pérdida de clasificación del dominio de origen más la pérdida anterior
La alineación S-T es más efectiva.
Este es un artículo de ICCV2019.
En la práctica, a menudo existe una brecha de orden de magnitud entre los datos etiquetados y los datos no etiquetados, y la distribución de los datos etiquetados y los datos no etiquetados (que puede considerarse una distribución real) también es muy diferente. Este artículo intenta resolver el problema de los datos menos etiquetados mediante el aprendizaje contradictorio de la distribución de datos etiquetados y no etiquetados, y se basa en el método de confusión.
La siguiente es la fórmula de pérdidas de este artículo, dividida en dos partes. La primera parte representa la tarea de clasificación y la segunda parte representa el aprendizaje adversario.
Específicamente, la pérdida inversa es la siguiente, que es la función de clasificación de si la muestra pertenece a una muestra etiquetada o a una muestra no etiquetada. A través del aprendizaje contradictorio, las características de las muestras etiquetadas y no etiquetadas se pueden colocar en el mismo espacio.
Además, para resolver el problema de pocas muestras etiquetadas, este artículo utiliza el método de mezcla para usar muestras sin etiquetar, y la fórmula es la siguiente. El clasificador genera etiquetas de clase para muestras sin etiquetar. Las etiquetas discriminadoras también están mezcladas.
La siguiente figura muestra el rendimiento del conjunto de datos SVHN y la comparación con el método STOA.
Todo el proceso es el siguiente:
Efecto de trama
http://www.vision.ee.ethz.ch/~liwenw/文立