摘要

在本研究中，我们提出了一种无监督域适应方法。许多对抗学习方法通过训练域分类器网络来区分特征是来自源域还是目标域，并训练一个特征生成器网络来模仿判别器。这些方法存在两个问题。首先，域分类器仅尝试将特征区分为源域或目标域，而不考虑类之间的任务特定决策边界。因此，训练好的生成器可能会在类边界附近生成模糊的特征。其次，这些方法试图完全匹配不同域之间的特征分布，但由于每个域的特性差异，这非常困难。为了解决这些问题，我们引入了一种新方法，该方法利用任务特定的决策边界来对齐源域和目标域的分布。我们建议最大化两个分类器输出之间的差异，以检测远离源支持的目标样本。特征生成器学习生成接近源支持的目标特征，从而最小化这种差异。我们的方法在多个图像分类和语义分割数据集上优于其他方法。代码可在以下网址获取：https://github.com/mil-tokyo/MCD_DA