无监督领域自适应的对比自适应网络 摘要 引言 本文贡献 相关工作 本文提出的方法 最大平均差异叙述 对比领域差异 对比自适应网络 算法流程 摘要 文章和源代码 无监督域自适应(UDA)对目标域数据进行预测,而手动注释仅在源域可用。以往的方法忽略了类信息,最小化了领域差异,这可能导致未对齐和泛化性能差。为了解决这一问题,本文提出了对比自适应网络优化一种新的度量,该度量明确地模拟了类内域差异和类间域差异。我们设计了一个交替更新策略,以端到端的方式训练CAN。在两个真实世界基准Office-31和VisDA-2017上的实验表明,CAN相对于最先进的方法表现良好,并产生更多的区分特征。 引言