일반적으로 딥러닝은 학습 데이터를 통해 모델을 학습시키고 테스트 데이터를 가지고 학습된 모델을 검증한다. 머신러닝, 딥러닝에서 가장 많이 겪는 문제점은 학습 데이터에서 잘 동작하는데 테스트 데이터에서는 잘 동작하지 않는 것이다. 여러 가지 원인이 있지만 그중에서 학습 데이터와 테스트 데이터의 Domain Shift 발생 원인이 존재한다. 여기서 Domain Shift 란, 학습 데이터 (Source)와 테스트 데이터 (Target)의 분포 (Disrtibution)의 차이를 의미한다. 예를 들면 흑백의 손글씨 숫자와 실제 카메라로 잡지에서 숫자를 찍은 사진의 차이로 알 수 있다. Domain Shift가 심할수록 테스트 정확도는 떨어지게 된다. 이처럼 도메인이 다르지만 관련이 있는 새로운 영역 (Dist..
