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特征解耦的特征增广领域泛化图像识别方法，其步骤包括：1、获取具有c个类别k个领域的领域泛化图像数据集；2、构建特征解耦网络模型并利用损失函数优化模型参数；3、基于特征解耦网络构建增广特征并利用对比学习损失函数进一步优化模型参数；4、得到泛化能力最优的图像分类模型。本发明通过同时学习域不变特征和因果相关特征来提升模型的泛化能力，且通过特征增广策略进一步提升模型对困难样本的泛化能力，从而实现对未知目标域图像类别的精准识别。

主权项：1.一种基于特征解耦的特征增广领域泛化图像识别方法，其特征在于，是按如下步骤进行：步骤1、分别获取k个源域的n个样本标签对，构成样本标签对集合其中，xi表示第i个图像样本；yi表示xi的类别标签，且yi∈{1,2,...,c}，c表示类别的总数，di表示xi所属源域的标签，且di∈{1,2,...,k}；k表示源域总数；n表示每个源域中的样本标签对的数量；步骤2、建立特征解耦网络，包括：域不变特征提取器FI，域风格特征提取器FS，域判别器Cd，掩码网络M，第一任务分类器C1和第二任务分类器C2；步骤2.1、构建由域不变特征提取器FI，域风格特征提取器FS，域判别器Cd组成的域不变特征解耦网络，并用于对xi进行处理，得到第i个域风格特征fi,S和第i个域不变特征fi,I，从而构建域风格特征提取器FS和域判别器Cd的损失函数和建域不变特征提取器FI的损失函数步骤2.2、构建由掩码网络M和两个任务分类器C1，C2组成的因果相关特征解耦网络，并用于对fi,I进行处理，从而构建掩码网络M的损失函数步骤3、利用特征解耦网络，对特征进行特征增广；步骤3.1、将经过域不变特征提取器FI和掩码网络M处理后的因果相关特征与经过域风格特征提取器FS处理后的域风格特征进行融合，构成风格迁移困难特征，从而构建域不变特征提取器FI的对比学习损失函数步骤3.2、将经过域不变特征提取器FI和掩码网络M处理后的因果相关特征与经过域不变特征提取器FI和掩码网络M处理后的虚假关联特征进行融合，构成因果扰动困难特征，从而构建域不变特征提取器FI的对比学习损失函数用于更新域不变特征提取器FI的网络参数；步骤4、按照步骤1-步骤3的过程，利用梯度下降算法训练特征解耦网络，从而得到训练好的域不变特征提取器F`I和第一任务分类器C`1，用于实现对来自未知领域的图像进行识别。

全文数据：

权利要求：

百度查询： 安徽大学 一种基于特征解耦的特征增广领域泛化图像识别方法