首页
学习
活动
专区
圈层
工具
发布

顶刊TPAMI 2020 | 一文打尽无监督多类域适应:理论,算法与实践

算法方面:基于MCSD divergence提出了两个新的算法框架:McDalNets和SymNets....该文章的要点可以总结如下: 理论方面:提出了Multi-Class Scoring Disagreement (MCSD) divergence来衡量两个域数据分布之间的差异;其中MCSD可以充分衡量两个...到了这里,大家应该会疑惑:这个MCSD divergence 看上去挺复杂的,它有什么好处?MCSD的优势如下: 理论角度:MCSD可以充分度量 两个scoring functions 的差异!!...故而MCSD可以充分度量scoring functions 的差异。 基于MCSD divergence, 我们可以得到如下的bound: ? ,其中 ? 是targer error, ?...考虑到MCSD是基于对classifiers ouputs 在element-wise的差异的度量,因此MCSD divergence 可以更直接,更紧密的支撑MCD这类基于classifiers outputs

1.7K10
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到
    领券