基于中间域引导与度量学习约束的跨域目标识别方法

专利主权项内容

1.基于中间域引导与度量学习约束的跨域目标识别方法，其特征在于，将待识别图像输送到已训练完成的领域自适应网络中以输出识别结果；所述领域自适应网络的训练过程如下：S1：获取有标注的源图像数据作为源域数据，获取无标注的目标图像数据作为目标域数据；S2：以源域数据和目标域数据作为领域自适应网络的输入，利用自适应中间域生成算法生成中间域，将生成的中间域/>送入双分类器对抗域自适应算法中；S21：基于傅里叶变换将源域数据和目标域数据分别转换到频域，基于频域数据获取源域相位、源域振幅、目标域相位和目标域振幅；S22：构建低频掩码生成网络，生成自适应低频掩码，以将源域振幅的低频分量替换为目标域振幅的低频分量，获得自适应的混合振幅，其中，自适应低频掩码和混合振幅的生成过程如下：其中，表示目标域数据/>的振幅，/>表示源域数据/>的振幅；S23：将混合振幅和源域相位通过逆傅里叶变换生成自适应中间域样本，基于自适应中间域样本生成中间域，中间域/>的生成公式如下：其中，表示傅里叶逆变换，/>表示源域数据的源域相位，/>表示源域数据的样本总数，/>表示中间域的第/>个样本，/>表示中间域的第/>个样本所对应的类别标签，/>表示所生成的中间域数据，用来说明每一个中间域样本/>的生成过程；S3：利用中间域辅助的双分类器对抗域自适应算法，训练领域自适应网络，学习域不变特征表示；S4：利用多层级跨域度量学习算法，在有标记的源域数据和中间域数据的指导下，得到跨领域语义对齐且具有高鉴别性的输出结果；S41：计算源域类数据、中间域类数据和目标域类数据的类别质心，约束任意两个类别质心中来自不同领域但属于相同类别的质心之间的距离，以获得到语义对齐的输出结果，约束公式如下：其中，表示跨领域语义对齐的目标损失函数，/>表示一个距离度量函数，/>表示源域类数据的第/>个质心，/>表示目标域类数据的第/>个质心，/>表示中间域类数据的第/>个质心，/>表示类别总数，/>表示第/>个类别；S42：在类数据组成的批量数据中构建跨域近邻正样本对，计算多模态质心以衡量正样本对的类别鉴别性，利用原型对比学习约束正样本对，以获得具有高鉴别性的输出结果；步骤S3中双分类器对抗域自适应算法的对抗公式如下：其中，/>和/>分别是特征提取网络/>、第一分类网络/>和第二分类网络/>对应的参数，/>表示分类损失函数，/>表示概率差异损失函数，/>表示特征提取网络，/>表示混合源域/>的数据样本，/>表示目标域/>的数据样本，/>表示混合源域数据样本的类别标签，/>表示KL散度，/>表示/>来自混合源域，对应于数据样本/>，/>表示/>来自于目标域，对应于/>。、 关注公众号马 克 数 据 网