(IWAN)Importance Weighted Adversarial Nets for Partial Domain Adaptation笔记

最新推荐文章于 2024-07-09 16:36:28 发布

BEA_D

最新推荐文章于 2024-07-09 16:36:28 发布

阅读量570

点赞数 1

文章标签：深度学习机器学习迁移学习

本文链接：https://blog.csdn.net/BEA_D/article/details/115249318

版权

（IWAN）Importance Weighted Adversarial Nets for Partial Domain Adaptation笔记

关于部分域适应：https://mp.csdn.net/editor/html/115243021

上篇SAN使用了多个域判别器，这使得训练的参数过多。这篇文章使源域和目标域分别提取特征，不共享参数，可以提取到更多的域特定特征。

这篇文章的框架：

这篇文章提出了两域判别器策略：第一个分类器的输出是样本来自源域的概率，当第一个域判别器的激活量很大时（也就是来自目标域的概率小），说明该样本很可能来自于离群源类，并为该样本分配一个小的权重。因此使用第一个域判别器的激活作为每个源样本对目标域重要性的指示器。然后将学习到的权值应用于源样本，并将加权后的源域样本和目标域样本输入到第二个域判别器中对特征提取器进行优化。