主要思想:
训练过程中:
- 判别性--在源域上的学习任务
- 非判别性--在源域和目标域之间shift
学习一个有判别能力的分类器或者其他预测器学习训练分布和测试分布之间切换被认为是域适配(domain adaptation)。他构建了源域和目标域之间的映射,以至于从源域学习到的分类器也可以运用到目标域。
因此本论文所提出模型DANN(domain-adversarial neural network)的主要目标是:
- 最小化源域学习任务上的损失
- 最大化域分类器的损失(训练反向参数更新过程中通过GRL层梯度取反,因为分类器擅长区分,而目标是尽可能无法区分,因此梯度取值负号,从而domain分类器指导特征提取器获取到domain-variant特征)