本文旨在解决无监督领域适应问题，即在源域中可以获取标签信息，而在目标域中无法获得这些信息的情况下对分类器进行适应。尽管已提出多种方法来解决这一问题，包括基于对抗判别器的方法，但大多数方法主要集中在整个图像领域的适应上。然而，在图像中可能存在一些区域更容易进行适应，例如前景物体可能在性质上相似。为了获取这样的区域，我们提出了考虑各区域概率确定性估计并在此基础上指定分类时的关注点的方法。实验结果表明，仅通过在训练分类器时结合判别器的概率确定性，我们就能在多个数据集上取得比近期所有方法都更为先进的结果。我们通过提供消融分析、统计显著性检验以及注意力图和t-SNE嵌入的可视化，对所提出的方法进行了详尽的实证分析。这些评估结果有力地证明了该方法的有效性。