一种基于混合度量的特征分布度量方法

专利申请号：CN202211689077.5

公 开 号：CN115861660A

发 明 人：何鸣 张耘 王红滨 王勇 周连科 王念滨 孙彧 

代 理 人：张换男

代理机构：哈尔滨市松花江专利商标事务所

专利类型：发明专利

申 请 日：20230328

公 开 日：20221227

专利主分类号：G06V10/74

关 键 词：度量 目标域 迁移 域间 分布差异 加权组合 特征边缘 计算域 软标签 统计量 三阶 源域 学习 特征统计量 余弦相似度 测试样本 获取目标 计算目标 模型总体 损失函数 特征分布 特征条件 图像分类 种类预测 再使用 质心 标注 相加 标签 分类 概率 图片 预测 更新 

摘      要：一种基于混合度量的特征分布度量方法，为解决在图像分类时深度迁移学习方法的迁移学习模型无法对目标域数据准确标注的问题。将图片分为源域和目标域；利用源域中的图片对迁移学习模型进行训练，得到模型；计算分类损失；计算域间特征边缘分布差异的一、二、三阶统计量距离，再加权组合得到域间特征边缘分布的混合度量；获取目标域软标签，利用软标签计算目标域特征的初始软质心，再使用余弦相似度得目标域特征的伪标签；计算域间特征的条件分布差异的一、二、三阶统计量距离，再加权组合得到域间特征条件分布的混合度量；将二者混合度量相加得域间特征统计量距离；计算迁移学习模型总体损失函数，更新模型；预测测试样本，得到种类预测概率。