[發(fā)明專利]一種基于通用域自適應(yīng)的圖像大數(shù)據(jù)分類方法

有效

• 申請?zhí)枺?/td>: 202110333791.X
• 申請日: 2021-03-29
• 公開（公告）號: CN113011513B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設(shè)計(jì)）人: 羅榮華;周紹煌
• 申請（專利權(quán)）人: 華南理工大學(xué)
• 主分類號: G06V10/80
• 分類號: G06V10/80;G06V10/764;G06V10/74;G06V10/82;G06N3/045;G06N3/0464;G06N3/048;G06N3/094
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 何淑珍;江裕強(qiáng)

本發(fā)明公開了一種基于通用域自適應(yīng)的圖像大數(shù)據(jù)分類方法，本發(fā)明方法包括將獲取的目標(biāo)域圖像數(shù)據(jù)X_t輸入預(yù)先訓(xùn)練好的通用域自適應(yīng)網(wǎng)絡(luò)，通過特征提取器F將目標(biāo)域圖像數(shù)據(jù)X_t轉(zhuǎn)化成目標(biāo)域圖像特征向量Z_t,通過分類部分G對特征向量Z_t進(jìn)行分類輸出得到分類結(jié)果Y_t和余弦相似度C_t,通過域判別器D對特征向量Z_t進(jìn)行域判別輸出得到目標(biāo)域判別d_t。將得到的余弦相似度C_t和域判別d_t結(jié)合得到目標(biāo)域權(quán)重W_t，目標(biāo)域權(quán)重W_t與閾值相比較，大于閾值則輸出分類結(jié)果Yt。本發(fā)明能夠解決圖像大數(shù)據(jù)域自適應(yīng)的問題，使訓(xùn)練好的模型可以應(yīng)用在任意圖像大數(shù)據(jù)集上，極大地提高了模型的泛化能力和分類效果，減輕對模型源域數(shù)據(jù)集的依賴。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像大數(shù)據(jù)處理技術(shù)，具體涉及一種基于通用域自適應(yīng)的圖像大數(shù)據(jù)分類方法。

背景技術(shù)

隨著神經(jīng)網(wǎng)絡(luò)的提出，在人工智能領(lǐng)域取得了重大發(fā)展突破，并成為深度學(xué)習(xí)等研究領(lǐng)域的主干網(wǎng)絡(luò)。

隨著對抗神經(jīng)網(wǎng)絡(luò)的提出，作為啟發(fā)方法又產(chǎn)生了大量的新的學(xué)習(xí)方法，其中遷移學(xué)習(xí)根據(jù)神經(jīng)網(wǎng)絡(luò)以及對抗訓(xùn)練的方法提出了對抗性域自適應(yīng)，并成為了域自適應(yīng)的主流框架。

近年來大數(shù)據(jù)相關(guān)產(chǎn)業(yè)蓬勃發(fā)展，而大數(shù)據(jù)的使用也成為了一個(gè)重要的研究問題，以往的機(jī)器學(xué)習(xí)中都需要目標(biāo)域標(biāo)注數(shù)據(jù)，域自適應(yīng)剛好是一個(gè)解決目標(biāo)域無標(biāo)簽訓(xùn)練的較好方法。但由于域自適應(yīng)要求源域與目標(biāo)域之間的標(biāo)簽空間完全相同，在應(yīng)用時(shí)雖然減少了目標(biāo)域空間標(biāo)簽的工作量，在大數(shù)據(jù)的應(yīng)用場景上遠(yuǎn)不能滿足現(xiàn)實(shí)世界的要求，因作為源域的訓(xùn)練樣本標(biāo)簽空間有限，且制作需要消耗大量代價(jià)，在實(shí)際應(yīng)用中不能很好的滿足大數(shù)據(jù)中眾多類別的需求。因此本發(fā)明提出了通用域自適應(yīng)研究方法，旨在已知源域而目標(biāo)域類別未知的情況下訓(xùn)練網(wǎng)絡(luò)，能將目標(biāo)域中與源域共有的部分很好區(qū)分出來并進(jìn)行任務(wù)輸出。

Kaichao You等在《Universal domain adaptation.In The IEEE Conference onComputer Vision and Pattern Recognition(CVPR)，June 2019》中，對于分類方法的實(shí)際應(yīng)用并沒有深入研究，在工業(yè)界中也未有實(shí)際應(yīng)用，且分類的精確性較低。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題，針對現(xiàn)有技術(shù)的上述問題，提出了一種基于通用域自適應(yīng)的圖像大數(shù)據(jù)分類方法，通過該方法，能將源域和目標(biāo)域的數(shù)據(jù)映射到同一空間，并確保其共有類別在空間上分布一致，最終通過在源域和目標(biāo)域偽標(biāo)簽訓(xùn)練的分類器上能有較好的分類效果，并且通過權(quán)重判斷是否為共有類，解決傳統(tǒng)域自適應(yīng)的應(yīng)用場景有限問題。

一種基于通用域自適應(yīng)的圖像大數(shù)據(jù)分類方法，步驟包括：

將目標(biāo)域圖像數(shù)據(jù)x_t輸入預(yù)先訓(xùn)練好的通用域自適應(yīng)網(wǎng)絡(luò)，所述通用域自適應(yīng)網(wǎng)絡(luò)包括特征提取器F、分類部分G和域判別器D，通過特征提取器F將目標(biāo)域圖像數(shù)據(jù)x_t轉(zhuǎn)化成目標(biāo)域圖像特征向量z_t，分類部分G對特征向量z_t進(jìn)行分類輸出得到分類結(jié)果y_t和余弦相似度c_t，通過域判別器D對特征向量z_t進(jìn)行域判別，輸出得到目標(biāo)域與源域的相似度d_t；

將得到的分類結(jié)果y_t、余弦相似度c_t和域判別d_t結(jié)合得到目標(biāo)域權(quán)重w_t，目標(biāo)域權(quán)重w_t與閾值w_α相比較，大于閾值w_α則輸出分類結(jié)果y_t，小于閾值的目標(biāo)域數(shù)據(jù)為目標(biāo)域的特有類，將其視為一類輸出，目標(biāo)域的特有類加上源域和目標(biāo)域共有的類別數(shù)做為最終的分類結(jié)果輸出。