Al giorno d'oggi, la computer vision si basa quasi esclusivamente su metodi di deep learning. La ricerca negli ultimi anni ha migliorato sempre di più le prestazioni delle reti neurali convoluzionali su svariati task fondamentali, come la classificazione, il riconoscimento e la segmentazione di immagini. Tuttavia, questi metodi richiedono grandi quantità di dati annotati per essere addestrati adeguatamente, i quali non sono sempre disponibili. Per questo motivo, i metodi di domain adaptation sono stati abbondantemente studiati e sviluppati. L'obiettivo è trasferire la conoscenza acquisita da un modello di machine learning addestrato su dati annotati, a dati di altri domini per i quali le annotazioni non sono disponibili o solo parzialmente.