基于领域泛化学习的图像分类方法

作者：吴永贤; 张琴; 钟灿琨; 张建军

来源：2023-03-30, 中国, CN202310325449.4.

本发明公开了一种基于领域泛化学习的图像分类方法,包括：将目标域数据和源域数据与两者对应的标签信息记录在目标域数据集D～T和源域数据集D～S中；使用卷积神经网络Mobile V2构建领域鉴别器,生成领域分数；对领域泛化网络模型中基本ResNet网络进行改进,并构建混合域注意力；使用局部最大灵敏度代替局部随机灵敏度；构建损失函数,训练并优化网络模型；将训练好的领域泛化网络模型在目标域数据集D～T上计算图像分类准确率,评判当前网络模型的图像分类能力和泛化能力。本发明缓解了深度领域泛化方法普遍出现的由于虚假的相关性带来的负迁移问题,增强网络模型泛化能力,提高了图像分类准确率,进一步可以实现更灵活和精确的下游应用。

• 单位
  华南理工大学