MMT框架通过协作训练两个具有不同初始化的相同网络来生成软伪标签。

伪硬标签基于现有聚类的生成UDA方法
伪软标签使用过去每个网络的平均时间模型而不是当前模型为另一个网络生成软伪标签

?? 训练结束后，过去只有一个平均模型具有更好的验证性能

?? (3)

?? (4)
?? (9)

源域：

目标域：

(1)基于硬标签的交叉熵损失和三元组损失:

(2)基于软标签的交叉熵损失和三元组损失:
soft classification loss ：

soft softmax-triplet loss

消融实验：