基于生成对抗网络的无监督域适应研究

目录

1 绪论

1.1 课题的背景及研究意义

1.2 国内外研究与发展状况

1.2.1 非深度域适应

1.2.2 深度域适应

1.3 领域自适应度量准则

1.3.1 领域自适应表示

1.3.2 度量准则

1.4 课题研究内容和章节安排

1.4.1 主要研究内容

1.4.2 章节安排

1.5 本章小结

2 领域自适应基本方法

2.1 数据分布自适应

2.1.1 边缘分布自适应

2.1.2 条件分布自适应

2.1.3 联合分布自适应

2.2 子空间学习

2.2.1 统计特征对齐

2.2.2 流形学习

2.3 本章小结

3 基于深度网络的无监督域自适应

3.1 卷积神经网络

3.2 正则化

3.2.1 一般正则项

3.2.2 L2正则项

3.3 训练基于卷积神经网络的域不变表示

3.4 实验及评估

3.4.1 实验数据集

3.4.2 适应层尺寸评估

3.4.3 实验过程及结果

3.4 本章小结

4 基于鉴别模型和对抗损失的无监督域适应方法

4.1 生成对抗网络

4.1.1 生成对抗网络架构

4.1.2 GAN的算法过程

4.1.3 GAN的理论实现

4.2 对抗鉴别的无监督域自适应

4.2.1对抗性损失

4.2.2 对抗性无监督域适应

4.2.3 辅助分类任务

4.2.4 算法流程

4.3 实验过程及结果

4.3.1 MNIST, MNIST-M, SVHN数字数据集适应

4.3.2 遥感影像数据集适应

4.4本章小结

5 基于决策边界的对抗无监督域自适应

5.1 决策边界

5.2 交叉熵损失函数和批归一化

5.2.1 Softmax函数

5.2.2交叉熵损失函数

5.2.3 批归一化

5.3 特定于任务的决策边界

5.4 基于决策边界的对抗无监督域自适应方法

5.4.1 基于决策边界的对抗无监督域适应思路

5.4.2 训练步骤

5.5 实验过程及结果

5.6 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

攻读学位期间发表学术论文目录