-
公开(公告)号：CN116484218A
公开(公告)日：2023-07-25
申请号：CN202310425555.X
申请日：2023-04-20
Applicant: 南京信息工程大学
IPC: G06F18/214 , G06F18/2415 , G06F18/213 , G06F18/23213
Abstract: 本发明公开了一种基于双分类器加权对抗的无监督部分域适应方法，包括如下步骤：S1、样例加权：对源域的每个样本进行加权操作；S2、计算分类损失：基于标记的源样本计算分类损失，最小化分类损失训练特征提取器和两个分类器，使模型拟合源域的分布；S3、计算预测差异损失：将未标记的目标域样本输入的两个分类器中，通过两个分类器的输出来计算预测差异损失；S4、对抗学习：冻结特征提取器，通过最大化预测差异损失和分类损失来更新两个分类器；再冻结两个分类器，通过最小化预测差异损失来更新特征提取器，重复这一步骤进行对抗学习。本发明兼顾了目标域信息与难分类样本，能够实现更好的领域适应效果。
Search Results
1
records
(took 0.025 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
