文章目录
前言
- 文章来自2020年的CoRR
- 本文是本人领域自适应与最优传输系列论文的第49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
- 在多源域适配(MSDA)中,模型基于来自多个源域的样本进行训练,并用于在不同的目标域上进行推理。主流领域适应方法学习源和目标领域的联合表示。不幸的是,联合表示可能会强调对源域有用但损害对目标的推断(负迁移)的特征,或者删除关于目标域的基本信息(知识衰退)。
- 我们提出了多源学生教师(MUST),这是一种旨在缓解这些问题的新颖程序。其关键思想有两个步骤:首先,我们在源标签上训练教师网络,并在目标上推断伪标签。然后,我们使用伪标签训练学生网络,并对教师进行正则化以适应学生的预测。这种规则化有助于教师对目标数据