在这里插入图片描述
训练数据和测试数据不一致,比如训练数据是黑白的,测试时彩色的,结果准确率非常低。 训练数据和测试数据有点差距的时候,能不能效果也能好呢?这就用到了领域自使用domain adptation
用一个领域学到的知识,用到另外一个领域。
有多种多样的domain shift
这里只考虑分布不一样
现在问题是有大量的图像,但是没有标注,怎么用这些没有标注的数据用来训练模型。
把颜色去掉,这样就能一样训练了。
把前5层当作feature extractor,后5层当作label predictor。 想要有标注的数据和无标注的数据抽取后的特征在分布上没有什么差别。
在这里插入图片描述
考虑边界
更坏的情况:
一张都不知道的话就不叫domain adaptation而是domain generalization
data aug 进行数据增强