且慢

improved open set domain adaptation with backpropagation 学习笔记文章目录improved open set domain adaptation with backpropagation 学习笔记TIPABSTRACT1.INTRODUCTION AND RELATED WORK2.PROPOSED METHOD2.1 Overall IdeaTIPKL距离，是Kullback-Leibler差异（Kullback-Leibler Diverge

转载于:https://blog.youkuaiyun.com/weixin_37993251/article/details/101266116[1]A Survey on Transfer Learning:CUHK的杨强教授于2010年发表在IEEE的Transactions on knowledge and data engineering上关于迁移学习的综述性论文。在许多机器学习和数据挖掘算法中，一个主要的假设是训练和未来的数据必须在相同的特征空间中，并且具有相同的分布。然而，在许多实际应用程序中，这

Learning Likelihood Estimates for Open Set Domain Adaptation——学习笔记文章目录Learning Likelihood Estimates for Open Set Domain Adaptation——学习笔记tipABSTRACT1.INTRODUCTION2.RELATED WORKOpen Set Domain Adaptation.3.METHOD3.1 Problem Setting3.2 Overall Architecture

Unsupervised Domain Adaptation by Backpropagation(2015)学习总结本文的主要贡献是提出了一种全新的度量源域和目标域数据分布差异性的方法（基于对抗的方法）。框架本文的框架对三个部分进行训练：一个是feature extractor，由卷积与池化层组成，用来提取特征；一个是label classifier，使用全连接层与逻辑分类器；一个是domian classifier，由全连接层与交叉熵分类器组成，它与feature extractor一起构

深度域适应综述_一般情况与复杂情况（学习笔记）文章目录深度域适应综述_一般情况与复杂情况（学习笔记）图释摘要概述文章主要内容1.迁移学习概述1.1 迁移学习, 域适应以及深度域适应的形式化定义迁移学习域适应深度域适应域适应与迁移学习的关系1.2 影响目标域任务性能的因素——泛化误差1.3 负迁移2 深度域适应2.1 基于领域分布差异的方法2.1.1 基于统计准则的方法⭐⭐⭐（1）MMD(Maximum Mean Discrepancy, 最大均值差异)（2）CORAL（Correlation Alignm

Unsupervised Domain Adaptation by Backpropagation(2015)学习笔记文章目录Unsupervised Domain Adaptation by Backpropagation(2015)学习笔记tipabstract1.introduction2.related work3.Deep Domain Adaptation3.1The model3.2 Optimization with backpropagation4.experiments4.1 res

Separate to Adapt Open Set Domain Adaptation via Progressive Separation论文总结该论文研究的问题该论文研究的是Open set domain adaptation问题，其中源域中没有未知类，而作者将目标域中的未知样本统称为一类：unknown class。本文提出分离适配（Separate to Adapt (STA)），一种端到端的开集域适配方法。这种方法采用由粗到细的加权机制，逐步分离未知类和已知类的样本，同时加权它们对特征分布对

Separate to Adapt: Open Set Domain Adaptation via Progressive Separation论文笔记AbstractDomain adaptation问题在利用源域的标注数据为未标记的目标域学习准确的分类器方面已经有较大成功，但是Open Set Domain Adaptation问题中的目标域中存在未知类，而未知类所占的比例对解决问题的方案的性能影响很大。在源域与目标域对齐的时候，如果不将目标域中的未知类排除，会造成已知类与未知类的不匹配而形成负迁移

Attract or Distract Exploit the Margin of Open Set论文总结该论文研究的问题该论文研究的是Open set domain adaptation问题，其中源域中没有未知类，而作者将目标域中的未知样本统称为一类：unknown class。文章的目标是在没有目标域标签的情况下，同时处理域转移和未知对象的识别（这里的识别只是从目标域中的已知类中区分推离，而不是对未知类进行类别的详细识别）。具体思路扩大两种边界:边界一：已知类之间的边界，目标是使已知的类更加

Attract or Distract: Exploit the Margin of Open Set论文笔记AbstractOpen set domain adaptation的主要目标就是通过源域与目标域之间的共享类来减少跨域造成的域间差异。而之前的相关处理思路没有考虑到开放集数据的语义结构，这可能会引入偏差，混淆决策边界附近的分类器。本文从两个思路来探讨开放数据集的语义结构：语义分类对齐：其目的是通过分类对齐目标域和源域的共享类来获得已知类的良好可分性语义对比映射：旨在将未知类推离决策边界