@[TOC](【论文笔记】Asymmetric Tri-training for Unsupervised Domain Adaptation))
论文地址:http://cn.arxiv.org/pdf/1702.08400v3
代码地址:https://github.com/corenel/pytorch-atda#pytorch-atda
基本介绍
ATDA 解决的问题: 源数据有类别标签,目标域没有标签;如何去学习到目标域的特征表达?在不同域都具有良好的效果的分类器是不存在的,文中的解决方法如下:用两个网络来去标记目标域的标签,和另外一个网络学习目标域的特征表达。
主要结构
-
主要流程如下:
- 首先用源域数据(有标签)训练两个分类器。
- 用源域训练好的分类器给目标域的数据打标签,只有两个分类器的预测标签是一样的,并且至少有一个是大于给定阈值的,该标签才是可靠的。
- 用目标域的数据(有伪标签)去训练一个新的分类器。