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！

摘要：本发明涉及图像分类技术领域，具体涉及一种基于深度联合语义最大均值差异度量指标的无监督多源领域自适应方法，其特征在于，包括：获取不同来源的样本图像，并对数据进行预处理；建立无监督多源领域自适应网络模型，引入联合语义最大平均差异JSMMD，以对齐条件分布和联合分布学习到的跨域特征，所述无监督多源领域自适应网络模型包含公共特征提取器、任务特定层以及任务分类层；训练无监督多源领域自适应模型；利用训练后的无监督多源领域自适应模型获取目标域样本的分类结果。

主权项：1.一种基于深度联合语义的无监督多源领域自适应分类方法，其特征在于，包括以下步骤：步骤1：获取不同来源的训练样本图像，并对数据进行预处理；步骤2：建立无监督多源领域自适应网络模型，引入联合语义最大平均差异JSMMD，以对齐条件分布和联合分布学习到的跨域特征，所述无监督多源领域自适应网络模型包含公共特征提取器、任务特定层以及任务分类层，其中公共特征提取器用于将所有的源域和目标域映射到一个公共特征空间中用于公共领域不变表示，任务特定层用于将公共特征空间中的公共特征映射到任务特定层学习每个源域和目标域的特定特征，任务分类层，用于输出源域和目标域的类别概率值；所述的任务特定层由两个部分组成：11×1的卷积层用来将n个源域的公共特征映射到任务特定层，并降维到256；2全连接层用来对n个源域通过1×1的卷积层后的特征进一步提取，使任务特定特征停留在多个全连接层上；一致性正则化项Ldisc用于对约束目标域在多个分类器上输出一致从而避免了人为依靠经验设置投票函数；步骤3：训练无监督多源领域自适应模型；步骤4：利用训练后的无监督多源领域自适应模型获取目标域样本的分类结果；其中，步骤2中建立无监督多源领域自适应网络模型，度量学习指标JSMMD定义如下： 其中，表示第k个源域服从的分布，Pt表示目标域服从的分布；L表示任务特定层的个数；Ec表示每个类的数学期望；c表示类别；和分别表示第k个源域所属分布中属于相似类别c中的子分布和目标域中属于相似类别的子分布；表示第个任务特定层；分别表示从源域和目标域获得的第个任务特定层的特征；是乘积希尔伯特空间中的特征映射图；表示L个相乘的希尔伯特空间；为了量化语义上相似的样本，使用源域和目标域的输出概率值作为后验概率来寻找具有相似类别的特征，则的无偏估计定义如下： 其中和分别表示源域的真实标签ys属于第c类的one-hot概率值和网络输出的目标域伪标签yt的第c类概率值，定义如下： 由于特征映射函数被赋予高斯核函数，变量Z被映射到无限维，导致没法被计算，实际计算中引入内积来计算，上式的无偏估计定义如下：

全文数据：

权利要求：

百度查询： 山东大学 基于深度联合语义的无监督多源领域自适应分类方法