公开(公告)号：CN112766334B

公开(公告)日：2022-06-21

申请号：CN202110025651.6

申请日：2021-01-08

Applicant: 厦门大学

Inventor： 黄悦 ,  丁兴号 ,  章云龙

IPC: G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于伪标签域适应的跨域图像分类方法，涉及图像处理。包括步骤：A、预训练深度模型；B、生成目标域图像伪标签；C、训练及优化深度模型。方法简单有效，能在多个自然图像数据集上获得较好效果。避免错误伪标签的影响，将伪标签样本加入训练集进一步训练网络可提高模型在目标域的辨别性，提高模型在目标域的泛化性能。通过交替给目标域打伪标签和采用伪标签样本训练网络，充分利用无标签的目标域数据，有效提升模型在目标域上的识别性能。改善利用深度学习模型进行自然图像识别时的泛化性能，提高跨数据库测试时的准确率和召回率，实用性强，可移植性强，能够满足域差异大、类别不均衡等情况下弱监督学习的需求。

公开(公告)号：CN112766334A

公开(公告)日：2021-05-07

申请号：CN202110025651.6

申请日：2021-01-08

Applicant: 厦门大学

Inventor： 黄悦 ,  丁兴号 ,  章云龙

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于伪标签域适应的跨域图像分类方法，涉及图像处理。包括步骤：A、预训练深度模型；B、生成目标域图像伪标签；C、训练及优化深度模型。方法简单有效，能在多个自然图像数据集上获得较好效果。避免错误伪标签的影响，将伪标签样本加入训练集进一步训练网络可提高模型在目标域的辨别性，提高模型在目标域的泛化性能。通过交替给目标域打伪标签和采用伪标签样本训练网络，充分利用无标签的目标域数据，有效提升模型在目标域上的识别性能。改善利用深度学习模型进行自然图像识别时的泛化性能，提高跨数据库测试时的准确率和召回率，实用性强，可移植性强，能够满足域差异大、类别不均衡等情况下弱监督学习的需求。