一种基于主动学习的多目标跨域图像分类方法

作者：艾加秋; 朱雅喃; 吴明阳; 庄硕; 贾璐

来源：2023-10-12, 中国, CN202311320117.3.

本发明公开了一种基于主动学习的多目标跨域图像分类方法,包括：1.获取一个含标注信息源域数据集和多个无标注的目标域数据集,并进行预处理；利用主动学习技术将不确定性较高的样本纳入候选集,给予标注信息；2.计算初始类原型集合,并通过目标域样本特征矫正初始类原型；3.对矫正类的原型进行高斯增广输入分类器；4.用映射矩阵定义跨域对齐损失引导网络训练；5.训练模型,得到图像分类的最终结果。本发明克服了跨域图像分类问题中,源域和多个目标域之间的分布差异较大的问题；在多个目标域预算标注较少的前提下,能够获得较高的分类准确率提升,具有较好的工程应用价值。

• 单位
  合肥工业大学