【技术实现步骤摘要】
本专利技术涉及跨域图像分类，具体涉及一种基于自适应最优传输的跨域图像分类方法及系统。
技术介绍
1、跨域图像分类技术解决的是如何将一个图像分类系统从现有环境快速迁移至新的环境的问题。随着图像相关信息数量的迅猛增长，图像分类在很多应用领域中显得越来越重要。传统的图像分类技术需要大量的有标记的图像样本，还要求源领域和目标领域的样本分布满足独立同分布，才能有较好的效果。但是在实际应用中，许多领域都有充足的无标记的图像数据和少量的有标记图像数据，为海量的图像样本标注耗费的人力物力的代价太巨大，很多时候甚至是不可行的。不同领域的图像数据来源是不同的，因此领域之间的特征分布或特征空间总有一定的差异。例如：图像采集设备和采集条件具有差异性，而室内和室外、不同场景、不同光照、不同角度等拍摄的图像是不一样的，分辨率、表情、动作等差异也会造成特征分布发生改变。跨域图像分类的目标是将一个在现有环境中(也称源领域)通过大量有标注信息的图像训练好的图像分类系统，快速迁移到新的环境中(也称目标领域)。
2、目前，基于最优传输理论的跨域图像分类是该领域最...
【技术保护点】
1.一种基于自适应最优传输的跨域图像分类方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于自适应最优传输的跨域图像分类方法，其特征在于，所述基于深度卷积网络构建图像特征提取器，具体采用残差深度网络ResNet50构建图像特征提取器。
3.根据权利要求1所述的基于自适应最优传输的跨域图像分类方法，其特征在于，基于全连接层网络构建图像分类器，具体采用单层或多层全连接层网络和软最大化层构建图像分类器。
4.根据权利要求1所述的基于自适应最优传输的跨域图像分类方法，其特征在于，对源领域图像集与目标领域图像集之间的自适应最优传输距...
【技术特征摘要】
1.一种基于自适应最优传输的跨域图像分类方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于自适应最优传输的跨域图像分类方法，其特征在于，所述基于深度卷积网络构建图像特征提取器，具体采用残差深度网络resnet50构建图像特征提取器。
3.根据权利要求1所述的基于自适应最优传输的跨域图像分类方法，其特征在于，基于全连接层网络构建图像分类器，具体采用单层或多层全连接层网络和软最大化层构建图像分类器。
4.根据权利要求1所述的基于自适应最优传输的跨域图像分类方法，其特征在于，对源领域图像集与目标领域图像集之间的自适应最优传输距离问题进行优化求解，得到源领域图像集与目标领域图像集之间的自适应最优传输距离，具体表示为：
5.根据权利要求1所述的基于自适应最优传输的跨域图像分类方法，其特征在于，计算图像分类器在源领域图像上的图像分类损失，具体表示为：
6.一种基于自适应最优传输的跨域图像分类系统，其特征在于，包括：原始图像获取模块、图像预处理模块、图像...
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。