SIDDA：基于Sinkhorn动态领域适应的等变神经网络图像分类
📝
内容提要
本研究解决了现代神经网络在训练和测试数据分布不一致的情况下的泛化能力差的问题。提出的SIDDA方法通过Sinkhorn散度进行领域适应，能够以较少的超参数调整和计算成本实现有效的领域对齐。研究表明，SIDDA显著提高了未标记目标数据的分类准确性和模型校准能力，具有广泛的应用潜力。
🏷️
➡️
