买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽大学

摘要：本发明公开了一种基于多视图挖掘不变信息的领域泛化图像识别方法，包括：1、定义具有c个类别的领域泛化图像数据集；2、构建基于多视图挖掘不变信息的领域泛化网络模型；3、使用多视图对抗挖掘策略和困难样本加权策略训练构建的网络模型；4、构建两阶段的损失函数优化模型权重参数，得到最优的目标域图像分类模型。本发明通过探索图像特征的不同视图来挖掘丰富的判别性信息，然后自适应的计算样本权重以增加对困难样本的关注度，从而能实现对目标域图像类别的精准识别。

主权项：1.一种基于多视图挖掘不变信息的领域泛化图像识别方法，其特征在于，包括下列步骤：步骤1：定义领域泛化图像数据集为D＝{Ds，Dt}，其中，Ds表示含有多个源域的图像数据集，Dt表示未知数据分布的目标域图像数据集；令xs为Ds中任意一张有标签的源域图像，令ys表示xs的类别标签，且ys∈{1，2，...，c}；c表示类别总数；令xt为Dt中任意一张目标域图像，且源域图像和目标域图像所属的标签空间相同；步骤2：构建基于多视图挖掘不变信息的领域泛化网络，包括：特征提取网络E，多视图对抗挖掘模块、识别不变信息的因果分类器C]，识别虚假信息的非因果分类器C2，用于困难样本加权的模块；其中，所述多视图对抗挖掘模块包括：频域支路、空域支路和融合支路；所述频域支路包括：频域视图对抗掩码网络MF；所述空域支路包括：空间视图对抗掩码网络MS；所述多视图挖掘不变信息网络模型中的卷积层和全连接层均采用xavier初始化进行参数初始化；步骤3：基于多视图挖掘不变信息网络模型的训练策略，包括：多视图互补对抗挖掘语义不变信息策略和困难样本挖掘策略；步骤3.1：多视图互补对抗挖掘语义不变信息策略根据视图之间的互补性，通过设计新的特征视图挖掘所述源域图像xs和源域特征fs中的语义不变信息，得到融合因果信息fsup和融合非因果信息为finf；步骤3.2：困难样本挖掘策略利用所述因果分类器C1对因果信息fsup进行重新预测，得到新的概率分布从而利用式16计算因果分类器C1的新的交叉熵损失函数 式16中，表示权重；步骤4：模型训练：步骤4.1：利用式17构建所述特征提取器E和因果分类器C1和非因果分类C2的整体损失函数 式17中，表示所述因果分类器C1的交叉熵损失函数；表示所述非因果分类器C2的交叉熵损失函数；步骤4.2：利用式18构建所述频域视图对抗掩码网络和空间视图对抗掩码网络的整体损失函数 式18中，表示不同视图之间的正则化损失；步骤4.3：利用式19构建第一更新策略： 式19中，←表示赋值，θe为所述特征提取网络E的参数，θc1为因果分类器C1的参数，θc2为非因果分类器C2的参数；利用式20构建第二更新策略： 式19和式20中，η表示学习率；为所述频域视图掩码网络的参数，为空域视图掩码网络的参数；步骤4.4：基于领域泛化图像数据集为D＝{Ds，Dt}，使用随机梯度下降法对领域泛化网络进行每次训练时，先对所述特征提取网络E以及因果分类器C1和非因果分类器C2进行训练，并利用式19更新其参数，其次，固定E、C1和C2的参数，再对所述频域掩码网络和空域掩码网络进行训练，并利用式20更新其参数；直到损失函数和收敛或达到最大迭代次数为止，从而得到基于多视图挖掘不变信息的最优领域泛化模型，用于对Dt中的目标域图像进行分类。

全文数据：

权利要求：

百度查询： 安徽大学 一种基于多视图挖掘不变信息的领域泛化图像识别方法