[發明專利]用于域自適應學習的方法、裝置、設備、介質和產品

在審

• 申請號: 202110162210.0
• 申請日: 2021-02-05
• 公開（公告）號: CN112836753A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 許鵬飛;王雅田;宋曉林;趙思成
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 羅利娜

1.一種用于域自適應學習的方法，包括：

獲取源域的源視頻樣本集和目標域的目標視頻樣本集，所述源視頻樣本集中的源視頻樣本被標記為屬于多個已知類別中的一個；

基于所述目標視頻樣本集中的多個目標視頻樣本與所述源視頻樣本集之間的多個相似度，確定所述多個目標視頻樣本各自屬于未知類別的概率；以及

至少基于所述多個目標視頻樣本及其相應的所述概率，使先前采用所述源視頻樣本集預訓練的多分類模型適配于所述目標域。

2.根據權利要求1所述的方法，其中所述多個相似度通過以下至少一項確定：

利用二元分類器來確定所述多個目標視頻樣本各自屬于所述多個已知類別的概率，以獲得每個目標視頻樣本與所述源視頻樣本集之間的第一相似度，所述二元分類器基于所述源視頻樣本集而被預先訓練；以及

確定每個目標視頻樣本與多個參考特征中的一個參考特征之間的最優傳輸距離，以獲得每個目標視頻樣本與所述源視頻樣本集之間的第二相似度，所述多個參考特征與所述多個已知類別和所述未知類別相對應，并且基于所述源視頻樣本集而被確定。

3.根據權利要求2所述的方法，其中確定所述多個目標視頻樣本各自屬于所述未知類別的概率包括：

基于所述第一相似度和所述第二相似度中的至少之一，將所述多個目標視頻樣本劃分到與所述多個已知類別對應的已知類別候選組和與所述未知類別對應的未知類別候選組；以及

基于所述劃分的結果，確定所述多個目標視頻樣本各自屬于所述未知類別的概率。

4.根據權利要求1所述的方法，其中使所述多分類模型適配于所述目標域包括：

基于所述多個目標視頻樣本各自的所述概率，向所述多個目標視頻樣本分配各自的第一分類學習權重，所述多個目標視頻樣本各自的所述第一分類學習權重與各自的所述概率呈正相關，其中每個目標視頻樣本的第一分類學習權重指示該目標視頻樣本在所述多分類模型的訓練中的受關注程度；以及

基于所述多個目標視頻樣本及其相應的所述第一分類學習權重來訓練所述多分類模型，使得所述多分類模型從所述多個目標視頻樣本學習所述未知類別的特性，以適配于所述目標域。

5.根據權利要求1所述的方法，其中使所述多分類模型適配于所述目標域包括：

基于所述多個目標視頻樣本各自的所述概率，向所述多個目標視頻樣本分配各自的第二分類權重，所述多個目標視頻樣本各自的所述第二分類學習權重與各自的所述概率呈負相關，其中每個目標視頻樣本的第二分類學習權重指示該目標視頻樣本在所述多分類模型的訓練中的受關注程度；以及

基于所述多個目標視頻樣本及其相應的所述第二分類學習權重來訓練所述多分類模型，使得所述多分類模型從所述多個目標視頻樣本學習所述多個已知類別的特性，以適配于所述目標域。

6.根據權利要求1所述的方法，其中使所述多分類模型適配于所述目標域包括：

基于所述多個目標視頻樣本各自的所述概率，向所述多個目標視頻樣本分配各自的域辨別權重，所述多個目標視頻樣本分配各自的所述域辨別權重，其中每個目標視頻樣本的域辨別權重指示該目標視頻樣本在域辨別器的訓練中的受關注程度，所述域辨別器被配置為辨別目標視頻樣本屬于所述源域或所述目標域；以及

在基于所述多個目標視頻樣本及其相應的所述域辨別權重來訓練所述域辨別器的同時，訓練所述多分類模型以適配于所述目標域。

7.一種用于域自適應學習的裝置，包括：

獲取模塊，被配置為獲取源域的源視頻樣本集和目標域的目標視頻樣本集，所述源視頻樣本集中的源視頻樣本被標記為屬于多個已知類別中的一個；

概率確定模塊，被配置為基于所述目標視頻樣本集中的多個目標視頻樣本與所述源視頻樣本集之間的多個相似度，確定所述多個目標視頻樣本各自屬于未知類別的概率；以及

域適配模塊，被配置為至少基于所述多個目標視頻樣本及其相應的所述概率，使先前采用所述源視頻樣本集預訓練的多分類模型適配于所述目標域。