Domain Adaptation（领域自适应）

• 当测试材料和训练材料差异较大时，即使训练时正确率高，在测试中不一定高

例如：数字标识中，训练资料为黑白图片，测试资料为有色照片

　　在已经用灰白图片做好的模型，测试有色图片正确率低，可以收集有色图片（没有标注）

基本想法：

• 找一个Network（Feature Extractor）,用于去除他们不一样部分，只保留相同部分

• Feature Extractor的任务就是让黑白图片和有色图片的输出值分不出差异，可以训练一个Domain Classifier（域分类器，类似GAN中Discriminator），判断Feature Extractor输出来自灰白图片还是有色图片

• 由于Feature Extractor和Domain Classifier的对抗性，Feature Extractor可能迷惑Domain Classifier使输入的两个域的输出接近之后再次反向分离，产生差异