neural-network - Keras 上的域适配

Question

我正在 Keras 上使用 CNN 开发图像分类器。由于图像来自多个域，我想尝试域适应。

为了同时训练图像分类器并制作域不变特征，我在 Keras 中为域损失设置了负损失权重。

model.compile(optimizer='adam', 
          loss={'main_output': 'categorical_crossentropy', 'domain_output': 'categorical_crossentropy'},
          loss_weights={'main_output': 1, 'domain_output': -0.1},
          metrics={'main_output': 'accuracy, 'domain_output': 'accuracy'})

在这里， main output是图像分类的 softmax 输出， domain_output是域分类的 softmax 输出(目标:域标签)。

这个实现对于域适应是否正确？

这种方法在功能上是否与 this paper 中提出的“梯度反转层”(反转域分类的梯度)相同？ ?

Answer 1

好吧 - 你的两个问题的答案都是肯定的(只要你有单独的模型分支和域和类预测的输出)。

这个实现是正确的——因为域适应需要反向梯度(相当于有负权重的损失)，

如上所述 - 是的。