来自 01–02 的信息
03 · 学习与正则化
更新模型的去向
01 · 源域图像
渲染图标签：自行车
02 · 目标域伪标签
街头照片：摩托车
源域 · 联合学习
伪标签生成 ↔ 优化
源域的训练将伪标签生成与优化联系起来，以改善跨域迁移。
目标域 · 正则化学习
初始训练 · 正则化损失
引言说明在初始训练中以正则化损失替换交叉熵损失，并在目标域图像上最小化这一损失。
更新后的分类器
重新预测图像类别
02 · 预测成为标签
后续伪标签
04 · 用于新场景
图像 → 类别预测
继续学习
适配完成