2017nips few-Shot Adversarial Domain Adaptation

（有待完善）
创新点 参考 Few-Shot Adversarial Domain Adaptation

知乎

2.UDA的两个缺陷

首先，数据量小
二，不能确保不同domain但是同类别的data的语义对齐

3.1 Handling Scarce Target Data

问题一： target 的data少，怎么办，扩充它
by pairing them with each training source sample.
问题二：需要用到target的label信息
对策： 创造pairs of samples

domain-class discriminator DCD 判断是四种pair中的哪一个（3）

然后，更新**$g_t$** , 使得DCD不能区分group 1， 2，3，4（12 相同label 34 不同label）

the DCD can no longer distinguish between groups 1 and 2, and also between groups 3 and 4 using
the loss

Connection with multi-class discriminators:

（5）是本文的最终loss，既能实现class separability又能实现domain confusion。训练的时候还是min-max的思想

Training

训练DCD的时候freezing $g_s$, $g_t$
训练$g_s$, $g_t$ ,$h$ 的时候freezing DCD

weight sharing

$g_s$, $g_t$ 之间进行weight sharing