本文介绍了域自适应少样本开放集识别（DA-FSOS）方法和DAFOSNET架构，通过创建伪开放空间决策边界来学习共享和可区分的嵌入空间，并使用条件对抗网络来增强数据密度。同时，提出了特定于域的批归一化类原型对齐策略。实验证实了DA-FSOS和DAFOSNET的有效性。
本文介绍了在使用生成对抗网络（GAN）时，将条件信息加入到生成模型G和判别模型D中，以引导模型的训练，并将该方法应用于跨模态问题，如图像自动标注。同时，介绍了条件对抗网络（CGAN），在生成模型G和判别模型D中加入条件约束y来引导数据的生成过程，以更好地应用于跨模态问题。
完成下面两步后，将自动完成登录并继续当前操作。
