12-21 组会论文阅读

1. DropBlock: A regularization method for convolutional network

主要提出对于卷积网络正则化的dropout方法DropBlock，指出传统的dropout方法只能够丢弃特征图中的离散点，但是其丢弃的信息可以由附近的信息补充，不能达到正则化的效果。DropBlock能够丢弃特征图中某点附近的连续点，即丢掉一块信息，在残差网络中实验，分类精度有所提升。

2. Associative Domain Adaptation

用神经网络解决端到端域适应问题：从有标签的源域学习，模型可以应用到目标域；具体来说：将源域和目标域映射到潜层空间，在潜层空间中通过两个域的嵌入学习域不变性特征。

本文方法的关键在于优化联合损失：

1. 源域的分类损失；
2. 源域和目标域嵌入的关联损失；

本文是一种半监督学习，因为源域有标签，目标域没有标签，这种利用有限的带标签数据数据来训练模型，同时最小化在目标域上的测试误差，就叫做域适应。