/MCD_with_DEV

Implementation of Deep Embedded Validation for Domain Adpatation on visda2017 dataset with MCD model

Primary LanguagePython

MCD_with_DEV

Implementation of Deep Embedded Validation for Domain Adpatation on visda2017 dataset with MCD model

Required

  • python3.6
  • pytorch 1.2.0
  • dixitool
  • tqdm
  • numpy

Intro

在VisDA2017数据集，Maximum Classifier Discrepancy模型上实现DEV模型选择方法，

DEV中的density ratio通过训练一个输出probability scalar的域判别器来计算得到

只是在深度DomainAdaptation模型上 对DEV进行粗略的实现，计算论文中的无偏估计

  • 训练出MCD模型，在main.sh里调整超参，把数据集的路径修改为自己的
bash main.sh
  • 使用数据集中的validation split和test split训练域判别器，判别器的模型在MCD/models.py中，参考SinGAN中的域判别器，用卷积对3x224x224的图片进行下采样。大概采用这样的方法，但是这个域判别器的效果一般😅
bash train_discriminator.sh
  • 用前两步训练的模型，在数据集的validation split上面计算相对于test split的无偏估计
bash DEV.sh