无监督领域自适应（Unsupervised Domain Adaptation,UDA）旨在帮助模型在跨域分布差异条件下从带标注的源域中学习到知识，以迁移至无标注的目标域。当前先进的域自适应方法主要通过直接对目标域与源域分布对齐来实现，其中特征往往被当作一个整体对象用于开展域间自适应任务，忽略了特征中的任务关联信息（域间不变、域内独特信息）与无关信息（颜色对比度、图像风格）耦合的情况，使得模型难以把握关键的特征信息，从而导致次优化。针对上述问题，提出了一种基于任务关联特征解耦网络的无监督领域自适应分类方法（Task Relevant Feature Separation Network,TRFS），通过对域间风格混合干扰下...
