【论文笔记】Asymmetric Tri-training for Unsupervised Domain Adaptation

@[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

1. 主要流程如下：

   1. 首先用源域数据（有标签）训练两个分类器。
   2. 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。
   3. 用目标域的数据（有伪标签）去训练一个新的分类器。