2019 CVPR 刘泓 Transferable Adversarial Training: A General Approach to Adapting Deep Classifiers

最新推荐文章于 2021-08-23 16:33:48 发布

wangdapang_2

最新推荐文章于 2021-08-23 16:33:48 发布

阅读量724

点赞数

分类专栏：读顶会

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_38221026/article/details/110263254

版权

该博客探讨了2019年CVPR会议上刘泓关于Transferable Adversarial Training的研究，指出传统对抗学习方法可能会扭曲原始表示。作者提出一种新的对抗训练范式，生成转移性示例以填充源和目标域之间的差距，同时固定原始特征并仅调整分类器。通过联合最小化针对D和C的误差，实现了在无标签目标域上的有效适应。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

20年清华特奖得主刘泓的一篇cvpr，人家20岁就发CCF A了

原来的对抗学习方法通过“拉近”S、T 之间的距离来实现DA，但是作者指出这种做法会distort 原始的representation。所以本文提出额外生成 $f_{s*}$

最低0.47元/天解锁文章

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。