[发明专利]一种图像分类模型的处理方法、装置及存储介质

权利要求书

1.一种图像分类模型的处理方法，其特征在于，所述方法包括：

将原始空间中的源域图像样本和目标域图像样本分别映射到同一特征空间，对应得到映射后的源域图像样本和映射后的目标域图像样本；其中，所述特征空间为具有样本线性划分功能的空间，所述特征空间的维数远大于所述原始空间的维数；

分别对所述映射后的源域图像样本和所述映射后的目标域图像样本进行降维，对应得到源域子空间和目标域子空间；

确定初始化的对齐矩阵和初始化的权重矩阵；构建以所述源域子空间、所述目标域子空间、所述初始化的对齐矩阵以及所述初始化的权重矩阵为因子的目标函数；确定所述目标函数满足第一收敛条件时的更新对齐矩阵；

根据所述更新对齐矩阵，将所述源域子空间和所述目标域子空间中的样本对齐，确定所述特征空间中源域与目标域之间的分布差异化满足预设最小差异条件时的降维后的源域图像样本；

确定所述目标函数满足第二收敛条件时的更新权重矩阵；根据所述更新权重矩阵，对所述降维后的源域图像样本中各类别样本进行加权处理，得到对齐加权后的源域图像样本；

以所述对齐加权后的源域图像样本以及对应的标签信息为输入值，输入对所述目标域中新图像样本进行分类的模型中；获取所述模型输出的各概率值；其中，所述各概率值分别表示所述目标域中新图像样本的各数据具有不同标签的概率大小；基于所述各概率值，选取符合概率条件的标签作为所述目标域中新图像样本的标签。

2.根据权利要求1所述的图像分类模型的处理方法，其特征在于，在所述将所述对齐加权后的源域图像样本以及对应的标签信息，应用于对所述目标域中新图像样本进行分类的模型之前，所述方法还包括：

对所述目标域中新图像样本进行降维，得到降维后的目标域新图像样本；

所述将所述对齐加权后的源域图像样本以及对应的标签信息，应用于对所述目标域中新图像样本进行分类的模型，包括：

将所述对齐加权后的源域图像样本以及对应的标签信息，应用于对所述降维后的目标域新图像样本进行分类的模型。

3.根据权利要求2所述的图像分类模型的处理方法，其特征在于，所述对所述目标域中新图像样本进行降维，得到降维后的目标域新图像样本，包括：

将所述目标域中新图像样本映射到所述特征空间中，得到映射后的目标域新图像样本；

对所述映射后的目标域新图像样本进行降维，得到所述降维后的目标域新图像样本。

4.根据权利要求1所述的图像分类模型的处理方法，其特征在于，所述将原始空间中的源域图像样本和目标域图像样本分别映射到同一特征空间，包括：

基于核映射函数，将所述原始空间中的源域图像样本和目标域图像样本分别映射到同一特征空间中；

其中，所述核映射函数包括高斯核函数。

5.根据权利要求1所述的图像分类模型的处理方法，其特征在于，所述分别对所述映射后的源域图像样本和所述映射后的目标域图像样本进行降维，对应得到源域子空间和目标域子空间，包括：

确定所述映射后的源域图像样本在第一投影空间对应的第一投影矩阵，以及确定所述映射后的目标域图像样本在第二投影空间对应的第二投影矩阵；

基于所述第一投影矩阵，从所述源域图像样本中提取预设维数的第一图像特征，根据所述预设维数的第一图像特征确定所述源域子空间；

基于所述第二投影矩阵，从所述目标域图像样本中提取所述预设维数的第二图像特征，根据所述预设维数的第二图像特征确定所述目标域子空间；

其中，所述预设维数小于提取图像特征前对应的维数。