作者：游凯超 软件学院

指导老师：龙明盛 软件学院

关键词：迁移学习，领域适配

摘要

本作品提出了一种通用领域适配问题的设定，从而使得领域适配问题不再需要依赖于类别集合相同的假设。通过整合领域信息与不确定度信息，我们得到了一种可迁移性判据，从而训练得到一个通用领域适配网络。

问题背景

机器学习模型的泛化能力是实际应用中非常关心的一个指标。传统的机器学习模型只能适用于它被训练的数据，而难以泛化到其他略微不同的数据上。领域适配问题致力于解决模型的泛化能力，但是要求两个领域的类别集合相同，这对于无标注的目标领域来说是不切实际的。所以，如何在一般情况下进行领域适配，是一个具有挑战性的问题。

技术细节

通过整合领域信息与不确定度信息，我们得到了一种可迁移性判据，从而训练得到一个通用领域适配网络。

成果展示

我们的通用领域适配网络在通用领域适配问题上取得了当前最优的效果，同时相应的论文已经被 CVPR2019 国际会议接收。