我看最近很多文章都用到了這個點,比如語義分割的論文Learning to Adapt Structured Output Space for Semantic Segmentation,比如深度估計的論文AdaDepth: Unsupervised Content Congruent Adaptation for Depth Estimation。但是感覺這方面的資料比較少,比如用GAN做domain adaptation的常用技巧是什麼呢?這方面的資料推薦有嗎?有看過Learning to Adapt Structured Output Space for Semantic Segmentation和AdaDepth: Unsupervised Content Congruent Adaptation for Depth Estimation論文的可以交流一下嗎。。。。。

初學者不太懂。。求大神指點。。。


當然可以。transferlearning.xyz


最近有關DA的文章好多都使用GAN或者類似於GAN的對抗思想做的。

運用對抗的思想,讓source和target的特徵儘可能的相似。

DA方向頁起步一兩年,感覺前景挺不錯的。


可以關注good fellow的篇文章叫discriminative adversary network for domain adaption


domain adaptation 當前主要用的方法就是對抗學習,對齊target domain 和source domain 的特徵,使target domain 的圖片通過生成器得到的特徵分佈儘可能接近source image 從而減小domain shift 在分類和分割領域應用比較多,論文應該挺多的。


CYCADA: CYCLE-CONSISTENT ADVERSARIAL DOMAIN ADAPTATION

Generate To Adapt: Aligning Domains using Generative Adversarial Networks


Cross-domain Human Parsing via Adversarial Feature and Label Adaptation


gan嘛一種思想而已,domain adaptation中生成器盡量混淆來自target和source的特徵,判別器盡量區分開這兩個source。


推薦閱讀:
查看原文 >>
相關文章