首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

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

1.3K10
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    扫码

    添加站长 进交流群

    领取专属 10元无门槛券

    手把手带您无忧上云

    扫码加入开发者社群

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭
      领券