一种跨领域的图像分类方法技术

本发明专利技术涉及一种跨领域的图像分类方法，通过准备包含多个源域的图像分类公开数据集；使用ResNet‑50作为特征提取器G；使用线性回归构建分类器C；采用取一法将数据集划分为训练集和验证集，联合训练G和C并得到它们的权重参数；在G之后先后接入特征重构器H；从训练集中任选两个域作为对比数据集先后通过样本对齐和数据增强技术，来联合训练模型M＝{G,H,C}，通过优化模型参数最终得到图像分类模型M。本发明专利技术的跨领域的图像分类方法，其通过域共性特征逼近域不变特征来实现跨域的图像识别任务。

【技术实现步骤摘要】

本专利技术属于图像识别，特别是一种跨领域的图像分类方法，用于利用已知领域的图片作为先验知识，来识别未知领域图像的一种方法。

技术介绍

1、图像识别技术发展迅速，这些技术通常在实验环境下表现出色，但在未知场景中的表现不尽人意。这是因为模型本身并不具备在域偏移的情况下获得识别目标不变特征的能力。为了解决由域偏移带来的挑战，提出了域泛化(domain ge neralization,dg)策略。通过使用dg方法，模型在多个不同的域上进行训练，并在一个新的、未见过的域上进行评估。主流域泛化方法属于域不变表示学习方法的范畴。该方法基于一个广泛认可的假设，即每个域都包含其特有的域相关特征，这些特征往往反映了数据中的虚假关系，而所有域都共享域不变特征，这些特征是通用的，并且在任何未见过的域上都具有鲁棒性。研究表明，如果特征表示在不同域之间保持不变，则它们是通用且可迁移的。受到这一理论的启发，许多研究致力于从源域中识别并编码这些域不变的特征。这些dg方法的核心概念是在不同域上获取域不变的特征分布p(f(x))，以确保条件分布p(y|f(x))的鲁棒性，其中f(x)表示从输本文档来自技高网...

【技术保护点】

1.一种跨领域的图像分类方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的跨领域的图像分类方法，其特征在于：所述步骤1中数据集D＝{D1,D2,…Dx,…,Dn}，其中数据子集D1,D2,…Dx,…,Dn分别来自不同的采集环境，数据子集所包含的目标类别相同，同时数据子集之间存在分布差异，并满足任意两个数据子集的交集为空。

3.根据权利要求1所述的跨领域的图像分类方法，其特征在于：所述步骤2中训练集Dtrain＝{D1,D2,…,Dn}，验证集Dval＝{Dx}，D＝Dtrain∪Dval，

4.根据权利要求1所述的跨领域的图像分类方法，其特征在...

【技术特征摘要】

1.一种跨领域的图像分类方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的跨领域的图像分类方法，其特征在于：所述步骤1中数据集d＝{d1,d2,…dx,…,dn}，其中数据子集d1,d2,…dx,…,dn分别来自不同的采集环境，数据子集所包含的目标类别相同，同时数据子集之间存在分布差异，并满足任意两个数据子集的交集为空。

3.根据权利要求1所述的跨领域的图像分类方法，其特征在于：所述步骤2中训练集dtrain＝{d1,d2,…,dn}，验证集dval＝{dx}，d＝dtrain∪dval，

4.根据权利要求...

【专利技术属性】
技术研发人员：朱晓松，张甲波，王刚，张兵强，李爽，
申请(专利权)人：天津职业技术师范大学中国职业培训指导教师进修中心，
类型：发明
国别省市：