开放集领域自适应OSDA（一）：Open Set Domain Adaptation论文原理

---

前言

• 文章来自2017年的ICCV
• 本文是本人开放集领域自适应OSDA系列论文的第1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

• 当训练数据和测试数据属于不同的领域时，目标分类器的精度会显著降低。因此，在过去几年中，人们提出了几种算法来减少数据集之间所谓的域转移。然而，所有可用的域自适应评估协议都描述了一个封闭集识别任务，其中两个域（即源和目标）包含完全相同的对象类。在这项工作中，我们还探索了开放集合中的域适应领域，这是一个更现实的场景，其中源数据和目标数据之间只共享了几个感兴趣的类别。因此，我们提出了一种适用于封闭集和开放集场景的方法。该方法通过联合解决一个赋值问题来学习从源域到目标域的映射，该赋值问题标记了那些可能属于源数据集中感兴趣类别的目标实例。全面评估表明，我们的方法优于最先进的方法。