（CAN）Contrastive Adaptation Network for Unsupervised Domain Adaptation笔记

（CAN）Contrastive Adaptation Network for Unsupervised Domain Adaptation笔记

动机：

方法：

提出了CDD度量函数，既可以保证类间差异最大化，又可以 保证类内差异最小化：

Contrastive Adaptation Network (CAN)：

• 最小化多个全连接层的CDD距离：
• 最小化源域数据的交叉熵损失：

总的目标函数：

CAN的优化：

需要对目标标签假设和特征表示进行联合优化。在每次迭代中，固定当前的特征表示，通过聚类来更新目标标签。然后基于更新后的目标标签最小化CDD反向传播更新特征表示。

目标域的簇（类别）中心初始化为同一类别的源域数据中心。

聚类过程是迭代的，直到收敛或达到最大聚类次数：

1. 为每个目标样本分配标签（丢弃模糊数据，即远离聚类中心的数据；丢弃类，即该类别的样本数量过少的话，该类别先不予考虑）
2. 更新簇中心