基于对抗融合多源迁移学习的图像分类方法

作者：方敏; 徐筱; 杜辉; 胡心钰; 李海翔; 郭龙飞

来源：2020-06-10, 中国, ZL202010521228.0.

本发明公开了一种基于对抗融合多源迁移学习的图像分类方法,主要解决现有技术图像分类准确率低的问题。其实现方案是：1)建立特征提取网络,从原始图像文件中提取图像特征；2)将图像特征输入特定的域判别器及分类器,计算得到域判别损失及目标域数据的伪标记、源域数据的分类损失；3)利用目标域样本伪标记与源域样本标记,计算得到源域与目标域中所有类别的MMD距离之和；4)利用域判别损失、分类损失及MMD距离之和对特征提取网络、域判别器及分类器进行训练；5)将待测样本依次输入到训练后的特征提取网络、域判别器及分类器,输出待测样本的类别标记。本发明能有效提高各类图像的分类准确率,可用于训练数据标记缺失下的图像分类。

• 单位
  西安电子科技大学