本文主要介绍域自适应（Domain Adaptation）中的对抗域自适应方法（Domain Adversarial Learning）。

域自适应的算法不仅包括对抗域自适应方法，还包括：

  • 统计距离（Statistics Matching）
  • 假设对抗自适应（Hypothesis Adversarial）
  • 数据域翻译（Domain Translation）
  • 自训练（Self-Training）
  • 自监督学习（Self-supervised Learning）
这些在迁移学习文献综述 Transferability in Deep Learning: A Survey 中进行了详细介绍，后续也会为这些方法推出相关的介绍文章。
对抗域自适算法的理论基础可以参考姐妹篇文章迁移学习：域自适应理论简介 Domain Adaptation Theory。
本文力求用通俗的语言介绍对抗域自适应方法最重要的几个算法的设计以及它们的改进。因此，不了解域自适应理论不影响阅读本文。

内容中包含的图片若涉及版权问题，请及时与我们联系删除