这篇文章本质上就是结合了两篇文章，一篇Learning Transferable Features with Deep Adaptation Networks（有关卷积网络与迁移学习的），通过使用多核最大均值差异成为正则化项从而在有监督样本和无监督样本间实现迁移学习，达到无监督样本分类准确率提升。
一篇A Machine Learning Approach to Visual Perception of Forest Trails for Mobile Robots（运用简单的机器学习方法实现基本单摄像头无人机避障飞行的）。通过以图片为输入，并以左中右三个分类决策作为输出，训练对应网络并成功部署实验。
从而实现应用虚幻四引擎搭建的场景训练网络并迁移到现实照片的分类中，达到更简单的数据获取并提高分类准确率。
在虚拟引擎中取得了不错的效果（几类不同虚拟场景的迁移），但在实际场景中文章回避了这个问题，另外代码和细节未开源。但基于的文章都非常经典，所以打算进一步跟进这两篇文章的学习。