一种跨域数据深度迁移方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种跨域数据深度迁移方法、装置、设备及存储介质，该方法可以包括构建目标检测识别深度模型；获取源域数据集以及目标域数据集；构建基于压缩激励的轻量级模型适配器的迁移学习架构，采用分割池方法和候选区域采样构造特征对机制；在源域模型训练过程中，构建域对抗网络，实现图像全局域迁移和目标类间特征隔离。该方法可以在复杂应用场景中，计算资源受限、小样本等限制条件下，实现弱/半监督条件下轻量级小样本跨域迁移学习目标识别感知。提高了模型跨域迁移学习的能力和迁移效率，保证目标识别精度和泛化能力，同时可以保证特征迁移的高效性和稳定性，值得大面积推广使用。使用。使用。

【技术实现步骤摘要】
一种跨域数据深度迁移方法、装置、设备及存储介质


[0001]本专利技术涉及跨域迁移
，特别是涉及一种跨域数据深度迁移方法、装置、设备及存储介质。

技术介绍

[0002]地面目标识别是基于遥感技术、人工智能技术等现代化手段对地面目标进行采集、分类及识别。地面目标识别过程主要包括：可见光图像样本采集、样本预处理、训练分类器、目标识别几个步骤。人们对智能检测和目标识别的技术需求越来越大，汽车辅助驾驶、智能交通监控、军事等领域的核心是自动检测和识别某些应用场景内的存在的地面目标。
[0003]随着机器视觉技术的快速发展，传统很多需要人工来手动操作的工作，渐渐地被机器所替代。传统方法做目标识别大多都是靠人工实现，从形状、颜色、长度、宽度、长宽比来确定被识别的目标是否符合标准，最终定义出一系列的规则来进行目标识别。这样的方法当然在一些简单的案例中已经应用的很好，唯一的缺点是随着被识别物体的变动，所有的规则和算法都要重新设计和开发，即使是同样的产品，不同批次的变化都会造成不能重用的现实。
[0004]而随着机器学习、深度学习的发展，很多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跨域数据深度迁移方法，其特征在于，包括：构建目标检测识别深度模型；获取源域数据集以及目标域数据集；构建基于压缩激励的轻量级模型适配器的迁移学习架构，采用分割池方法和候选区域采样构造特征对机制；在源域模型训练过程中，构建域对抗网络，实现图像全局域迁移和目标类间特征隔离，利用所述基于压缩激励的轻量级模型适配器动态实现高维特征加权，完成跨域征筛选生成。2.根据权利要求1所述的跨域数据深度迁移方法，其特征在于，将所述源域数据集以及所述目标域数据集拆分为同构数据以及异构数据；所述异构数据采用独立源域编码器与目标域编码器，所述同构数据共享编码器，构造域内差异损失和域间一致性损失。3.根据权利要求1所述的跨域数据深度迁移方法，其特征在于，所述基于压缩激励的轻量级模型适配器包括全局池化、全连接、RELU层。4.根据权利要求3所述的跨域数据深度迁移方法，其特征在于，在引入通道降维因子的基础上构造基于压缩激励的轻量级模型适配器组，在为每个数据域添加基于压缩激励的轻量级模型适配器分支和域间转换器，以使其能够选择关联域的适配器。5.根据权利要求4所述的跨域数据深度迁移方法，其特征在于，连接各域适配器输出形成通用表示空间。6.根据权利要求5所述的跨域数据深度...

【专利技术属性】
技术研发人员：戴健，吴锐，祝本明，任珍文，
申请(专利权)人：中国兵器装备集团自动化研究所有限公司，
类型：发明
国别省市：