這半年來主要研究遷移學習，因此想通過幾篇部落格進行一下總結，從遷移學習，到深度遷移學習，對抗遷移學習，到影象分類域適應，再到語義分割域適應。

下面是遷移學習較新的綜述 ：

2018 一篇最近的非對稱情況下的異構遷移學習綜述：Asymmetric Heterogeneous Transfer Learning: A Survey

2018 Neural style transfer的一個survey：Neural Style Transfer: A Review

2018 深度domain adaptation的一個綜述：Deep Visual Domain Adaptation: A Survey

2017 多工學習的綜述，來自香港科技大學楊強團隊：A survey on multi-task learning

2017 異構遷移學習的綜述：A survey on heterogeneous transfer learning

2017 跨領域資料識別的綜述：Cross-dataset recognition: a survey

2016 A survey of transfer learning。其中交代了一些比較經典的如同構、異構等學習方法代表性文章。

與深度學習結合：

深度遷移學習 Deep Transfer Learning最新文章（部分）：

20180819

English: A search framework for deep transfer learning

中文：提出一個可以搜尋的framework進行遷移學習

20180731 ECCV-18 DeepJDOT: Deep Joint Distribution Optimal Transport for Unsupervised Domain Adaptation

English: Deep + Joint distribution adaptation + optimal transport

中文：深度 + 聯合分佈適配 + optimal transport

20180731 ICLR-18 Few Shot Learning with Simplex

English: Represent deep learning using the simplex

中文：用單純性表徵深度學習

20180724 AIAI-18 Improving Deep Models of Person Re-identification for Cross-Dataset Usage

English: apply deep models to cross-dataset RE-ID

中文：將深度遷移學習應用於跨資料集的Re-ID

20180724 ECCV-18 Zero-Shot Deep Domain Adaptation

English: Perform zero-shot domain adaptation when there is no target domain data available

中文：當目標領域的資料不可用時如何進行domain adaptation :