在多个域上进行训练，然后在特定的域上进行微调。

Question

首先对来自多个领域的图像进行模型训练，然后对一个特定领域进行“微调”以提高其性能，这是否有意义？

例如，人们可以根据在纽约、巴黎和北京拍摄的汽车摄像机来训练一个物体探测器，然后只在巴黎继续训练。对于一个只适用于巴黎的模式，我们应该支持多样性还是具体性？这种训练方法有名字吗？

Answer 1

一般来说，使用广泛分布的数据进行培训，然后对特定领域进行微调，通常会带来更好的性能和更快的培训时间。

有一些技术，如元学习，领域不变性使用技术(例如。( 梯度反转) )或使用最大平均差异度量最小化平均域特征空间之间的距离。你也可以熟悉经验风险最小化，并建立一个基于实验的直觉。您还可以查看Ben等人的“从不同领域学习的理论”。