m0_60231311的博客

本文采用了双分类器对抗域自适应和置信学习。在域自适应中，双分类器(C1和C2)输出两个概率向量p1和p2 (p1, p2∈RK ×1)来优化损失函数并更新神经网络，其中K为类别数。特征融合分类以双分类器的最后一层特征(在softmax之前)作为输入，选取两个特征之和的最大元素作为伪标签[44]。由此得到所有目标实例的伪标签。置信学习用于去除标记数据集上的噪声数据，并保留干净的数据用于模型训练。在置信学习中，采用SVM分类器估计预测概率，。因此，每个目标样本都有一个伪标签和一个预测概率。