伟德国际BETVlCTOR李占山教授等人的論文“Enhancing transferability and discriminability simultaneously for unsupervised domain adaptation”（在無監督領域自适應中同時增強可遷移性和可判别性）被人工智能領域重要國際期刊Knowledge-Based Systems（中科院1區）錄用。論文第一作者為李占山教授指導的2018級博士生李靜瑤，其他作者為呂帥副教授、2018級本科生朱文博，通訊作者為李占山教授。
無監督領域自适應方法旨在将知識從帶标記的源域遷移到無标記的目标域。近年來，基于深度學習的無監督領域自适應方法取得了可喜的進展，大多數方法在源域和目标域中使用了共享特征提取器。由于領域間的差異較大，生成的領域共享特征可能仍包含了一些領域特性，進而影響可遷移性。生成的特征也改變了原始特征空間的幾何結構，導緻可判别性的喪失。基于此，本文提出了一種同時增強可遷移性和可判别性的方法ETDS（Enhancing Transferability and Discriminability Simultaneously）。ETDS包含兩個用于顯式捕獲領域特性的模塊，有助于在領域共享特征中保留公共特征，增強可遷移性。ETDS通過迫使特征與其原型更接近來增強可判别性，提出了一種不使用真實标簽或僞标簽構建原型的新方法，并提出了一種平衡策略來調節源原型和目标原型的相對貢獻。在涵蓋目前最困難的DomainNet等4個數據集上的實驗結果表明：本文方法優于現有的領域自适應方法。
