分布对齐 目标函数 迁移学习_域迁移的论文解读

原文：Taking A Closer Look at Domain Shift: Category-level Adversaries for Semantics Consistent Domain AdaptationTaking

作者：Yawei Luo, Liang Zheng, Tao Guan, Junqing Yu, Yi Yang

一个师兄推荐了这篇文章，做一下记录：）由于不是视觉领域的，但是对域迁移感兴趣，本文带领您走进小白世界的论文解读视角。

1.这篇论文干了啥

首先介绍一下论文背景，

基于深度学习的语义分割方法效果出众，但需要大量的人工标注进行监督训练。不同于图像分类等任务，语义分割需要像素级别的人工标注，费时费力，无法大规模实施。借助于计算机虚拟图像技术，如3D游戏，用户可以几乎无成本地获得无限量自动标注数据。然而虚拟图像和现实图像间存在严重的视觉差异（域偏移），如纹理、光照、视角差异等等，这些差异导致在虚拟图像上训练出的深度模型往往在真实图像数据集上的分割精度很低。（搬运自AI研习社）
简而言之，怎么将利用源域(有标记)训练出的网络用于目标域(无标记)，从而为目标域又快又好地标记，解决这个问题的重点在于如何解决源域与目标域之间的差距(domain shift)。

这里补充一下，经典的GAN网络中的D网络像一个辨别真假的判官，G像一个专注假货制造的商人，在对抗性网络的训练中，判官辨别真货(来源于源域的数据)与假货(G根据目标域生成的数据)的能力越来越高，真的盖章盖个1，假的盖章盖个0；同时随着D的增强，G也不甘落后，继续提高自己的造假能力，即利用