一种无监督多源部分域适应图像分类方法

    公开(公告)号:CN114863175A

    公开(公告)日:2022-08-05

    申请号:CN202210505184.1

    申请日:2022-05-10

    Abstract: 本发明公开了一种无监督多源部分域适应图像分类方法,包括:对源域和目标域的每一个样本进行域不变特征和域私有特征的提取;采用最大平均差异度量以及条件分布差异度量计算源域和目标域样本分布的对齐程度,以缩小两者的分布差异,并由所得样本间欧式距离的度量结果在进行归一化处理后,计算平衡因子ω;将源域样本导入训练所得的分类器,根据概率标签对源域样本进行加权以降低无关类样本造成的负迁移;构建域分类器,进一步训练域私有特征提取器,使所得域私有特征更具判别性;计算总体损失,迭代更新优化模型参数。本发明能够解决域对齐任务和分类任务本身之间的优化不一致性问题以及部分域适应中无关类样本造成的负迁移问题。

    基于动态加权学习和元学习的无监督域适应图像分类方法

    公开(公告)号:CN113610105A

    公开(公告)日:2021-11-05

    申请号:CN202110743656.2

    申请日:2021-07-01

    Abstract: 本发明公开了一种基于动态加权学习和元学习的无监督域适应图像分类方法,属于迁移学习中的域适应领域。其包括以下步骤:步骤1)样本加权;步骤2)构造动态平衡因子:采用最大平均差异(MMD)计算源域和目标域数据分布对齐程度,采用线性判别分析(LDA)计算源域和目标域的可判别性,对这两个估计值进行归一化处理,计算平衡因子τ;步骤3)计算域对齐损失:将域对齐任务放在元训练中,计算域对齐损失,更新网络参数;步骤4)计算分类损失,更新模型参数。该方法通过对样本加权、动态调整域对齐损失和分类损失的权重、通过元学习计算域对齐损失和分类损失优化网络模型参数,促进域对齐任务和分类任务之间的优化一致性。

Patent Agency Ranking