Learning Semantic Representations for Unsupervised Domain Adaptation 2018 ICML
代码地址:https://github.com/Mid-Push/Moving-Semantic-Transfer-Network
Tensorflow
一. 主要贡献
这篇文章解决的主要问题是如何用有标签的数据去标记无标签的数据? 之前的方法都忽略了样本的语义信息,比如之前的算法可能将目标域的背包映射到源域的小汽车附近。 这篇文章最要的贡献就是提出了 moving semantic transfer network 这个网络,简称mstn,其主要是通过 对齐源域(有标签)和 目标域(伪标签,网络预测一个标签)相同类别的中心,以学习到“样本的语义信息。
二. 主要方法
2.1 基本框架
该方法中损失函数主要由三部分组成:
其主要表达形式如下: