公开(公告)号：CN110135579A

公开(公告)日：2019-08-16

申请号：CN201910276847.5

申请日：2019-04-08

Applicant: 上海交通大学

Inventor： 张娅 ,  张烨珣 ,  王延峰

IPC: G06N3/08 ,  G06N3/04

Abstract: 本发明提供了一种基于对抗学习的无监督领域适应方法、系统及介质，包括：特征提取步骤：对源领域和目标领域的图像，使用特征提取网络提取图像的特征，获得源领域的图像特征和目标领域的图像特征；类别预测步骤：根据获得的源领域的图像特征和目标领域的图像特征，预测图像属于各个类别的概率，获得类别预测概率；领域判别步骤：根据获得的源领域的图像特征和目标领域的图像特征，通过领域判别网络预测图像特征来自源领域和目标领域的概率，获得领域预测概率。本发明能够对源领域和目标领域的图像提取领域不变的且具有较强判别力的特征，从而实现无监督领域适应。

公开(公告)号：CN107767328A

公开(公告)日：2018-03-06

申请号：CN201710957685.2

申请日：2017-10-13

Applicant: 上海交通大学

Inventor： 张娅 ,  张烨珣 ,  蔡文彬 ,  王延峰

IPC: G06T3/00 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06T3/0012 ,  G06N3/0454 ,  G06N3/08

Abstract: 本发明提供一种基于少量样本生成的任意风格和内容的迁移方法和系统，包括：风格特征提取步骤：对风格参考图像，使用深度卷积神经网络提取图像的风格特征；内容特征提取步骤：对内容参考图像，使用深度卷积神经网络提取图像的内容特征；风格和内容特征结合步骤：将提取的风格特征和内容特征通过双线性模型相结合，得到目标图像的特征；目标图像生成步骤：对目标图像的特征经过反卷积神经网络生成目标图像。本发明将风格和内容分离开，实现任意目标风格任意目标内容的图像生成，能够迁移到没见过的风格和没见过的内容上，提取没见过的风格和内容的特征。本发明只需少量的参考图像，风格特征和内容特征可从少量数据中学得。