[发明专利]一种基于伪标签域适应的跨域图像分类方法

权利要求书

1.一种基于伪标签域适应的跨域图像分类方法，其特征在于包括以下步骤：

A、预训练深度模型；

B、生成目标域图像伪标签，具体步骤为：

(1)将目标域D_T送入模型，得到相应的预测其中是C维向量；

(2)若已知目标域的标签分布Q，则重新校准目标域的预测：

其中，表示点除，Normalization()表示L1归一化，进一步得到预测类别和对应的置信度若目标域的标签分布Q不可知，则采用源域的标签分布或者均匀分布代替；

(3)从目标域样本筛选出置信度最高的k％的目标域样本作为伪标签样本，k＝min(k₀+r*dk,k_max),其中k₀为初始筛选比例、r为当前训练的回合数、dk为每回合增加的筛选比例、k_max是最大筛选比例；随着回合数的增加，筛选更多的目标域样本作为伪标签样本；

C、训练及优化深度模型，具体步骤为：

(1)对源域样本进行数据增扩；

(2)在训练过程中对伪标签样本采用mixup的数据增扩方式，对两张伪标签样本进行凸组合，同时将对应的标签进行凸组合，作为合成图像的标签；

(3)采用源域样本和合成样本训练模型，在训练过程中，采用交叉熵作为损失函数。

2.如权利要求1所述一种基于伪标签域适应的跨域图像分类方法，其特征在于在步骤A中，所述预训练深度模型的具体步骤为：首先将通用模型改造为符合特定任务的模型，将通用模型的最后一层1000分类全连接层替换成重新初始化的c分类全连接层，将最后一层的学习率调整为前面层的10倍，然后采用源域样本训练改造后的模型，直至收敛。

3.如权利要求2所述一种基于伪标签域适应的跨域图像分类方法，其特征在于所述通用模型包括AlexNet、VGG、ResNet。

4.如权利要求1所述一种基于伪标签域适应的跨域图像分类方法，其特征在于在步骤C第(1)部分中，所述数据增扩的方法包括将图像的大小调整为256×256、随机水平翻转图像、从图像中随机裁剪出224×224的图像块。