买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽大学

摘要：本发明公开了一种基于可迁移语义知识的无源领域自适应图像识别方法，其步骤包括：1、定义具有c个类别的领域自适应图像数据集；2、构建基于可迁移语义知识的无源领域自适应网络模型；3、选取目标域置信样本集后构建多粒度对比学习训练构建的网络模型；4、构建整体损失函数优化模型权重参数，得到最优的目标域图像分类模型。本发明通过探索源模型中的可迁移语义知识来辅助目标域图像训练，然后通过领域间粗粒度和细粒度语义对齐以减少领域间差异，从而能实现目标域图像类别的精准识别。

主权项：1.一种基于可迁移语义知识的无源领域自适应图像识别方法，其特征在于，包括下列步骤：步骤1：定义领域自适应图像数据集为D＝{Ds,Dt}，Ds表示含有类别标签的源域图像集，Dt表示不含类别标签的目标域图像集，其中，令xs表示源域图像集中任意一张有标签的源域图像，令ys表示xs的类别标签，ys∈{1,2,...,K}；K表示类别总数；xs,ys∈Ds，令ns表示源域图像的总数；令表示无标签的第i张目标域图像，令nt表示目标域图像的总数；且源域和目标域所属标签空间相同；i∈nt；步骤2：构建基于可迁移语义知识的无源领域自适应网络模型，包括：特征提取网络E，源域特定分类器Cs，目标域特定分类器Ct；所述源域图像xs输入所述特征提取网络E中进行处理，并相应得到源域特征fs；将所述源域特征fs输入所述源域特定分类器Cs中进行处理，并得到源域图像xs的输出类别概率预测分布py's|CsExs；其中，y's表示xs的预测类别标签；步骤3：利用式1建立所述源域特定分类器Cs的交叉熵损失函数Lce，并利用随机梯度下降的方式对所述特征提取网络E与源域特定分类器Cs进行预训练，直到Lce收敛为止，从而得到预训练后的特征提取网络E'与源域特定分类器C's并固定预训练后的网络权重； 步骤4：构建基于可迁移语义知识的无源领域自适应网络模型的训练策略，包括：置信样本选择策略和多粒度对比学习策略；步骤4.1：所述第i张目标域图像输入所述预训练后的特征提取网络E'和源域特定分类器C's中进行处理，从而构建置信样本选择策略所对应的目标域特定分类器Ct的交叉熵损失函数步骤4.2：构建多粒度对比学习策略所对应的多粒度对比学习损失LMsNCE；步骤5：自监督对比学习：步骤5.1：利用两种增强方式对进行增强处理，得到第i张增强后的第一目标域图像和第二目标域图像并依次送入所述预训练后的特征提取网络E'和目标域特定分类器Ct中进行处理，相应得到的类别概率预测分布和的类别概率预测分布步骤5.2：利用式12建立自监督对比损失Lssl： 式11中，p”j表示对无标签的第j张目标域图像进行增强处理后的第二目标域图像经过所述预训练后的特征提取网络E'和目标域特定分类器Ct后的类别概率预测分布；步骤6：模型训练：步骤6.1：利用式13构建整体损失函数Loverall： 式13中，λ1和λ2是两个权重参数；步骤6.2：基于无源领域自适应的目标域图像数据集Dt，使用随机梯度下降的方式对所述预训练后的特征提取网络E'与源域特定分类器C's以及目标域特定分类器Ct进行训练，直到整体损失函数Loverall收敛为止，从而得到最优无源领域自适应网络模型，用于实现对目标域图像的分类。

全文数据：

权利要求：

百度查询： 安徽大学 基于可迁移语义知识的无源领域自适应图像识别方法