方法
D是域判别器,C是分类器。阶段3选择更接近目标的源训练样本用来微调C。阶段4对于每个源域,基于阶段2学到的目标编码器提取图像特征。接着结合每个源分类器的不同预测获得最终预测Result( x T x_T xT)= ∑ i = 1 N w i C i ′ ( F i T ( x T ) ) \sum_{i=1}^Nw_iC_i^{'}(F_i^T(x_T)) ∑i=1NwiCi′(FiT(xT)),其中 C i ′ ( F i T ( x T ) ) C_i^{'}(F_i^T(x_T)) Ci′(FiT(xT))是域特定预测
其中, L w d D i {L_{wd}}_{D_i} LwdDi是估计的Wasserstein距离
实验
敬请期待~