文章目录
- 一、问题and方法
- 二、Method
-
- 1.MMT
- 2.损失函数
- 三、实验结果
一、问题and方法
？：(1)不同数据集之间的领域差异 ??(2)聚类过程中不可避免的标签噪声 1、MMT(平均教学)通过离线精炼硬伪标签和在线精炼软伪标签交替训练，从目标领域学习更好的特征。 2、soft softmax-triplet训练软伪标签。
二、Method
1.MMT
MMT框架通过协作训练两个具有不同初始化的相同网络来生成软伪标签。 基于现有聚类的生成UDA方法 使用过去每个网络的平均时间模型而不是当前模型为另一个网络生成软伪标签
?? 训练结束后，过去只有一个平均模型具有更好的验证性能
算法流程：
??
?? ??
2.损失函数
源域：
目标域： (1)基于硬标签的交叉熵损失和三元组损失:
(2)基于软标签的交叉熵损失和三元组损失:
三、实验结果