文章目录
前言
- 文章来自2020年的IJCAI
- 本文是本人领域自适应与最优传输系列论文的第33篇,所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms,希望各位大佬们不吝点赞,给个Star哦~
摘要
- 域自适应(DA)通过利用来自源域的标记数据来适应未标记的目标域,在学习好的分类器方面取得了巨大的成功。然而,在一般设置中,当目标域包含源域中从未观察到的类时,即在开放集域适配(OSDA,open set domain adaptation,也就是说源域和目标域的标签数不同,一般的DA都是指closed set)中,现有DA方法由于额外未知类的干扰而无法工作。这是一个更具挑战性的问题,因为未知类和已知类之间的不匹配很容易导致负迁移。
- 现有研究中,当特征空间中的目标域未知样本分布在决策边界附近时,从标记的源域学习时,容易出现误分类。