Bousmalis, K., Trigeorgis, G., Silberman, N., Krishnan, D., & Erhan, D. (2016). Domain separation networks. NIPS 2016.
網絡結構:
輸入圖像爲。
對於target domain 有兩個特徵提取網絡: 。
對於target domain 有兩個特徵提取網絡: 。
文章做的是分類任務,除了分類器之外,framework仍然包含對圖像進行重構的decoder。輸入,經過encoder和decoder得到重構圖像。
對於target domain
對於source domain
兩個域有一個公共的encoder,還有單獨的一個encoder。
Decoder網絡兩個域共用,通過private和shared representation兩個特徵進行重構。
損失函數
整體:
重構誤差:
分類誤差:
similarity loss :
目的是使兩個域的shared representation分佈儘可能接近。
文章提到兩個:
1). 使用 Gradient Reversal Layer (GRL)
2). Maximum Mean Discrepancy (MMD)
difference loss
文章說目的是使得shared 和private representation 兩個分佈正交:
矩陣 的每一行是hidden representation。
這個公式我還沒研究明白,或許哪天再瞧瞧。
總之對這篇文章我還是很霧,哪天再仔細看看。