【技术实现步骤摘要】
本专利技术涉及计算机视觉迁移学习域适应图像分类领域，具体地说是一种基于自训练对比学习无监督领域自适应图像分类方法。
技术介绍
1、在图像分类任务中，领域自适应(domain adaptation，da)的背景源于：
2、数据分布差异：图像分类模型在一个特定领域(源领域)上训练后，可能在另一个领域(目标领域)上的表现下降，因为两个领域的图像数据分布可能存在差异。例如，天气、照明条件、拍摄设备等的变化可能导致图像特征的差异；比如两只猫，他们的品种可能完全不相同，他们所处的背景也可能完全不相同，抑或是他们一个在白天而一个在黑夜，但是在分类结果上他们应该是相同的；
3、标签缺失：在目标领域中获取大量标记数据的成本可能很高，甚至不可行。因此，希望能够利用在源领域上训练的模型来改善在目标领域上的性能，即使目标领域上的标签数据很少。
4、图像分类的领域自适应方法旨在通过调整源领域上训练的模型，使其适应目标领域的特性，提高模型在目标领域上的性能。即在源域上训练的模型在目标域图像上取得很好的分类效果.通常采用对抗的方式...
【技术保护点】
1.一种基于自训练对比学习无监督领域自适应的图像分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于对抗性对比学习和无监督领域自适应的图像分类方法，其特征在于，所述步骤3.2中的可靠性是按如下过程判断：
3.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1或2所述图像分类方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
4.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1或2所述图像分类方法的步骤。
【技术特征摘要】
1.一种基于自训练对比学习无监督领域自适应的图像分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于对抗性对比学习和无监督领域自适应的图像分类方法，其特征在于，所述步骤3.2中的可靠性是按如下过程判断：
3.一种电子设备，包括存储器以及处理器，其特征...
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。