Learning Domain Adaptive Features with Unlabeled Domain Bridges笔记

这篇文章是为了解决源域和目标域差异过大的情况，引入了一个现有的中间域（桥），通过源域和桥的匹配（S->B）以及桥和目标域（B->T）的匹配来达到减小源域和目标域分布差异的目的。

structure：

该模型由三部分组成：对抗性领域对齐（ADA），原型匹配网络，解缠组件。

在训练阶段，特征提取器G将数据映射到特征空间，然后利用提取到的特征和域标签来进行对抗训练域判别器D

原型网络：https://arxiv.org/pdf/1904.11227v1.pdf（这篇文章还没看，应该也是一种对齐手段，值得一看！）

解缠组件可以将特征分为域不变特征和类无关特征。

标签：Bridges,Domain,Features,Unlabeled,特征,源域,Adaptive
来源： https://blog.csdn.net/BEA_D/article/details/115528630