前言
- 文章来自2020年的Neurocomputing
- 本文是本人开放集领域自适应OSDA系列论文的第10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
- 近年来,人们提出了许多无监督域自适应(UDA)方法来解决域转移问题。大多数现有的UDA方法都是针对封闭集域适配(CSDA)派生的,其中源域和目标域被假定共享相同的标签空间。然而,在实践中,目标域可能包含与源域中已知类不同的未知类,即开放集域适配(OSDA)。由于未知类的存在,将OSDA的源域和目标域的整个分布与前面的方法一致将导致负迁移。为OSDA开发的现有方法试图为未知类别的目标样本分配较小的权重。尽管现有方法取得了良好的性能,但未知类别的样本仍然用于分布对齐,这使得模型存在负迁移风险。本文提出了一种新的方法,即阈值域对抗网络(ThDAN),该方法不需要重新加