【迁移学习(Transfer L)全面指南】Deep CORAL几何特征变换

论文名称：Deep CORAL: Correlation Alignment for Deep Domain Adaptation

论文地址：https://arxiv.org/pdf/1607.01719.pdf

1 概述

1. 解决的问题
   深度神经网络可以在大规模的标注数据中学校到特征，但是输入数据分布不同的时候泛化不是很好。因此提出了domain adaptation来弥补性能。本文针对target domain没有标注数据情况，对CORAL进行了改进。

2. CORAL
   CORAL方法用线性变换方法将源域和目标域分布的二阶统计特征进行对齐。对于无监督域适应效果很好。问题出在依赖的是线性变换，而且不是端到端训练。训练分为两步，首先提取特征，应用变换，然后训练SVM分类。

3. 主要贡献
   对CORAL算法扩展，使用非线性变换。将其应用到深度网络中，对源域和目标域的CORAL loss优化到最小。非线性变换更强大，并且可以与CNN无缝对接。

4. 优点
   比DDC更强大，比DAN优化起来更容易，可以无缝集成到CNN结构中。

5. 网络结构