基于宽度学习和随机敏感度的领域自适应图像分类方法

作者：吴永贤; 安一飞; 钟灿琨; 张建军

来源：2023-03-20, 中国, CN202310274623.7.

本发明公开了一种基于宽度学习和随机敏感度的领域自适应图像分类方法,包括：1)构建宽模型输入信息；2)构建宽度网络模型；3)将边缘分布对齐损失引入到模型中；4)将更细粒度的常规条件分布对齐损失引入到模型中；5)迭代挑选出具有高质量的伪标签,构建增强的条件分布对齐损失并引入到模型中；6)将流行正则化引入到模型中,探索样本的潜在分布信息；7)将随机敏感度引入到模型中,解决模型在源域样本上过拟合的问题；8)求解出模型连接权值,并求出分类结果。本发明使得模型能够在具有不同分布的目标域上取得更好的效果。本发明一定程度解决了深度领域自适应方法消耗大量计算资源的问题,进一步可以实现更加灵活和精确的下游应用。

• 单位
  华南理工大学