方法
D是域判别器，C是分类器。阶段3选择更接近目标的源训练样本用来微调C。阶段4对于每个源域，基于阶段2学到的目标编码器提取图像特征。接着结合每个源分类器的不同预测获得最终预测Result(
x
T
x_T
xT)=
∑
i
=
1
N
w
i
C
i
′
(
F
i
T
(
x
T
)
)
\sum_{i=1}^Nw_iC_i^{'}(F_i^T(x_T))
∑i=1NwiCi′(FiT(xT))，其中
C
i
′
(
F
i
T
(
x
T
)
)
C_i^{'}(F_i^T(x_T))
Ci′(FiT(xT))是域特定预测
其中，
L
w
d
D
i
{L_{wd}}_{D_i}
LwdDi是估计的Wasserstein距离
实验
作者不提供processed data set in json format
扫一扫
659
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
