我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的、自己不知道的东西。
本节内容综述
- 本节课由助教
Chao Brian
讲解。 - 首先讲解些领域适配的基础内容,包括名词、定义等。
- 接下来,会讲一些 DA 的常用方法。
- 此外,复习了老师讲过的 DANN ,这里不多记录。
- 在 Reconstruction-based methods 种,详细介绍 Domain Separation Networks 。
- 下半节课,助教讲解了应用方面文章范例,包括语义分割等等内容。
小细节
Methods
Domain Adaptation Foundation
如上,领域适配算是迁移学习的一个子集。
Domain Adaptation
- Task 针对 target domain ,但在 training 时 target domain 没有(或是很少) label
- Source Domain 是 fully labelled
我们今天会聚焦于同质的 homogeneous 的 DA 。
Domain Adaptation Methods Overview
如上,我们需要在feature extractor
上动手脚。
Discrepancy-based methods
Deep Domain Confusion (MMD)
如上,我们希望把 Source 与 Target 的分布拉近。
如上,希望两个 fc_adapt 层越近越好。
Deep Adaptation Networks
如上,这篇文章思想与 MMD 差不多,但是使用了更多层做 MMD 。
CORAL, CMD
如上,之前的方法使用的是 1st order moments 作为距离;而 CORAL 使用的是 2nd order moments 作为距离。
而 CMD 则是使用更高的 moments 作为距离。
Adversarial-based methods
Simultaneous Deep Transfer
如上,这篇文章主要做了两个重要性的工作:
- Maximum Domain Confusion
- Transfer Label Correlation
Maximum Domain Confusion
举个例子来详细讲解。
如上,希望通过大自然图片的训练,学会识别神奇宝贝。
如上,架构类似 GAN ,希望抽取出特征后,Discriminator 能够搞混 Domain 。