文章目录
前言
- 文章来自2020年的NIPS
- 本文是本人领域自适应与最优传输系列论文的第67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
- 多源域适配(MSDA)是在域转移的情况下,将任务知识从多个标记的源域转移到一个未标记的目标域。现有的方法旨在使用辅助分布对齐目标来最小化这种域转移。在这项工作中,我们为MSDA提供了一个不同的视角,其中观察到深层模型隐式地对齐标签监督下的域。因此,我们的目标是在没有额外训练目标的情况下利用内隐对齐来进行适应。为此,我们使用伪标签目标样本,并在伪标签上执行分类器协议,这一过程称为自监督隐式对齐(SImpAl)。我们发现,即使在源域之间的类别转移下,SImpAl也很容易工作。此外,我们提出了分类器一致性作为判断训练收敛性的线索,从而得到了一个简单的训练算法。我们根据五个基准对我们的方法进行了全面的评估,并对我们方法的