公开(公告)号：CN113936167A

公开(公告)日：2022-01-14

申请号：CN202111088083.0

申请日：2021-09-16

Applicant: 中国科学院计算技术研究所

Inventor： 张蕊 ,  汪瑜 ,  张曦珊 ,  刘少礼

IPC: G06V10/764 ,  G06V10/762 ,  G06V10/82 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明提出一种基于联合聚类域自适应的图片分类方法和系统，包括：通过特征提取网络可分别提取源域图片数据和目标域图片数据的特征，得到源域特征和目标域特征；基于源域特征和目标域特征到聚类中心的距离显式表达域内类别条件分布概率；最小化源域数据标签与域内类别条件分布概率的相对熵距离，更新特征提取网络与类别聚类中心；最小化目标域数据的标签分配与域内类别条件分布概率的相对熵距离，再次更新特征提取网络与聚类中心；将待分类图片输入经过再次更新的特征提取网络，得到待分类图片的图片特征，计算图片特征与经过再次更新的类别聚类中心中所有类别中心的概率，取概率最大的类别作为待分类图片的图片分类结果。

公开(公告)号：CN113936168B

公开(公告)日：2024-11-01

申请号：CN202111088084.5

申请日：2021-09-16

Applicant: 中国科学院计算技术研究所

Inventor： 汪瑜 ,  张蕊 ,  张曦珊 ,  刘少礼

IPC: G06V10/764 ,  G06V10/762 ,  G06V10/82 ,  G06N3/088

Abstract: 本发明提出一种基于在线域自适应深度学习的图片分类方法和系统，包括通过特征提取网络提取源域图片数据和目标域图片数据的特征，得到源域特征和目标域特征；基于源域特征和目标域特征到聚类中心的距离显式表达域内类别条件分布概率；通过最小化源域数据标签与域内类别条件分布概率的相对熵距离，更新特征提取网络与类别聚类中心；通过求解运输问题，得到目标域样本的类别分配，通过最小化类别分配与域内类别条件分布概率的相对熵距离，再次更新特征提取网络与聚类中心，将待分类图片输入经过再次更新的特征提取网络，得到待分类图片的图片特征，计算图片特征与经过再次更新的类别聚类中心中所有类别中心的概率，取概率最大的类别作为分类结果。

公开(公告)号：CN113936168A

公开(公告)日：2022-01-14

申请号：CN202111088084.5

申请日：2021-09-16

Applicant: 中国科学院计算技术研究所

Inventor： 汪瑜 ,  张蕊 ,  张曦珊 ,  刘少礼

IPC: G06V10/764 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明提出一种基于在线域自适应深度学习的图片分类方法和系统，包括通过特征提取网络提取源域图片数据和目标域图片数据的特征，得到源域特征和目标域特征；基于源域特征和目标域特征到聚类中心的距离显式表达域内类别条件分布概率；通过最小化源域数据标签与域内类别条件分布概率的相对熵距离，更新特征提取网络与类别聚类中心；通过求解运输问题，得到目标域样本的类别分配，通过最小化类别分配与域内类别条件分布概率的相对熵距离，再次更新特征提取网络与聚类中心，将待分类图片输入经过再次更新的特征提取网络，得到待分类图片的图片特征，计算图片特征与经过再次更新的类别聚类中心中所有类别中心的概率，取概率最大的类别作为分类结果。