对目标领域一无所知,并不是要适应到某一个特定的领域上的问题通常称为领域泛化。领 域泛化可又分成两种情况。一种情况是训练数据非常丰富,包含了各种不同的领域,测试数据 只有一个领域。如图1(a)所示,比如要做猫狗的分类器,训练数据里面有真实的猫跟狗 的照片、素描的猫跟狗的照片、水彩画的猫跟狗的照片,期待因为训练数据有多个领域,模型 可以学到如何弥平领域间的差异。当测试数据是卡通的猫跟狗时,模型也可以处理,具体细节 可参考论文“Domain Generalization with Adversarial Feature Learning” 。另外一种情况如 图1(b)所示,训练数据只有一个领域,而测试数据有多种不同的领域。虽然只有一个 领域的数据,但可以想个数据增强的方法去产生多个领域的数据,具体可参考论文“Learning to Learn Single Domain Generalization”。
图1 领域泛化示例