Separate to Adapt Open Set Domain Adaptation via Progressive Separation论文总结
该论文研究的问题
该论文研究的是Open set domain adaptation问题,其中源域中没有未知类,而作者将目标域中的未知样本统称为一类:unknown class。本文提出分离适配(Separate to Adapt (STA)),一种端到端的开集域适配方法。这种方法采用由粗到细的加权机制,逐步分离未知类和已知类的样本,同时加权它们对特征分布对齐的影响,能够很好的在开放度变化较大的情境中得到较高的精度。
模型作用概述
最通俗地讲:
G c G_c Gc:产生的初步权值来从目标域中区分出未知类
G b G_b Gb:进一步得到更精确的权重