前言
域适应旨在在域间隙的存在下传输知识。现有的域适应方法依赖于丰富的先验知识了关于标签集之间的源域和目标域之间的关系,这大大限制了它们在野外的应用。本文介绍了不需要在标签集上之前知识的通用域适应(UDA)。 f或给定的源标签集和目标标签集,它们可能包含一个公共标签集并分别保存私有标签集,从而提高额外的类别差距。 UDA需要模型到(1)如果与公共标签集中的标签相关联,则正确分类目标样本,或(2)否则将其标记为“未知”。更重要的是,UDA模型应该稳定地反对广泛的共同范围(在完整标签集上设置的通用标签的比例),以便它可以处理具有未知目标标签集的真实问题。要解决通用域适应问题,我们提出了通用适应网络(UAN)。它量化了查找示例级可转录性以发现公共标签集