【技术实现步骤摘要】
一种基于域特有信息获取的无监督领域适应图像分类方法
[0001]本专利技术属于图像分类
，特别涉及一种基于域特有信息获取的无监督领域适应图像分类方法。
技术介绍
[0002]随着各种图像采集技术的发展，互联网上存在有大量的图像数据。然而，对这样大规模的数据进行标注代价十分昂贵，需要大量的人力物力。因此启发我们利用现有的标注数据，去辅助处理未标注数据的信息。无监督领域自适应图像分类方法，利用源域（有标注）数据训练网络模型，进而实现目标域（无标注）数据的无监督图像分类。例如利用打印数字，实现手写数字的识别，或者利用有标注的卡通画图像，实现无监督的真实图像分类等等。当然，无监督领域自适应方法不限于图像分类任务，其他计算机视觉任务，如目标分割，行人重识别等也可以作为无监督领域自适应学习的一个分支，为此，本专利技术提出一种基于域特有信息获取的无监督领域适应图像分类方法。
技术实现思路
[0003]为了解决现有技术存在的问题，本专利技术提供了一种基于域特有信息获取的无监督领域适应图像分类方法，该基于域特有信息获取的...
【技术保护点】
【技术特征摘要】
1.一种基于域特有信息获取的无监督领域适应图像分类方法，其特征在于，具体步骤如下：步骤一：源域特有特征提取，对于源域特有分支，使用带标注的源域数据作为该分支的输入，使用ResNet
‑
50网络作为该分支的特征提取网络，直接将最后一个卷积层的输出作为源域特征，以获得源域特有特征表示；步骤二：域共享特征的提取，对于共享网络分支，同时使用带标注的源域数据和无标注的目标域数据作为该分支的输入，用ResNet
‑
50网络作为该分支的特征提取网络，直接将最后一个卷积层的输出作为源域和目标域特征，以获得源域和目标域的公共特征表示和；步骤三：目标域特有特征提取，对于目标域特有分支，使用无标注的目标域数据作为该分支的输入，使用ResNet
‑
50网络作为该分支的特征提取网络，直接将最后一个卷积层的输出作为目标域特征，以获得目标域特有特征表示；步骤四：源域特征分离函数计算，对于源域特有特征和公共特征表示，计算损失函数，以确保共享网络和源域特有网络提取到的特征是不一致的；步骤五：目标域特征分离函数计算，对于目标域特有特征和公共特征表示，计算损失函数，以确保共享网络和目标域特有网络提取到的特征是不一致的；步骤六：源域分类损失函数计算，对于源域特有特征表示和公共特征，进行名为A的融合，并将结果输入到分类器中，依赖源域数据标注，计算损失函数；步骤七：源域图像重建损失函数计算，对于源域特有特征表示和公共特征，进行名为B的融合，并将结果输入到共享解码器中，解码出源域图像，利用图像重建损失进行监督；步骤八：源域鉴别器损失函数计算，对于源域特有特征表示和公共特征，进行名为C的融合，并借助于鉴别器，鉴定特征融合后的结果是真还是假；步骤九：目标域鉴别器损失函数计算，对于目标域特有特征表示和公共特征，进行名为D的融合，并借助于鉴别器，鉴定特征融合后的结果是真还是假；步骤十：目标域图像重建损失函数计算，对于目标特有特征表示和公共特征，
进行名为E的融合，并将结果输入到共享解码器中，解码出目标域图像，利用图像重建损失进行监督。2.根据权利要求1所述的一种基于域特有信息获取的无监督领域适应图像分类方法，其特征在于：所述步骤一至三采用ResNet
‑
50作为源域和目标域的...
【专利技术属性】
技术研发人员：斯小明，
申请(专利权)人：武汉明捷科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。