用于无监督域适配的最大分类器差异

本文中，我们提出一种无监督域适配方法。许多对抗学习方法训练域分类器网络以区分特征是来自源域还是目标域，并训练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，域分类器仅试图区分特征来自源域还是目标域，因此未考虑类间任务特定的决策边界。因而，训练出的生成器可能在类边界附近生成模糊特征。其次，这些方法旨在完全匹配不同域间的特征分布，但由于各域的特性，这十分困难。为解决这些问题，我们引入一种新方法，试图利用任务特定的决策边界来对齐源域和目标域的分布。我们提出最大化两个分类器输出的差异，以检测远离源域支撑的目标样本。特征生成器学习在支撑附近生成目标特征以最小化该差异。我们的方法在多个图像分类与语义分割数据集上优于其他方法。代码见\url{https://github.com/mil-tokyo/MCD_DA}。