[發(fā)明專利]一種基于多正則化層的多源領(lǐng)域適應(yīng)方法

在審

• 申請?zhí)枺?/td>: 202210246725.3
• 申請日: 2022-03-14
• 公開（公告）號: CN114757258A
• 公開（公告）日: 2022-07-15
• 發(fā)明（設(shè)計(jì)）人: 金穎;王佳琦;林達(dá)華
• 申請（專利權(quán)）人: 上海人工智能創(chuàng)新中心
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06F17/15
• 代理公司: 北京市誠輝律師事務(wù)所 11430
• 代理人: 耿慧敏;成丹

1.一種基于多正則化層的多源領(lǐng)域適應(yīng)方法，包括以下步驟：

針對源域，利用不同數(shù)據(jù)集分別訓(xùn)練用于目標(biāo)分類的多個模型，其中每個模型包括多個卷積層和多個正則化層；

以所述多個模型針對目標(biāo)域的預(yù)測性能作為參考，選擇一個模型組合為新的分類模型，該分類模型保留所選擇模型的獨(dú)立卷積層以及所述多個模型的正則化層；

以設(shè)定的損失函數(shù)為優(yōu)化目標(biāo)，訓(xùn)練所述分類模型；

將經(jīng)訓(xùn)練的分類模型的多個正則化層轉(zhuǎn)化為一個正則化層，預(yù)測目標(biāo)域數(shù)據(jù)的分類信息。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，將所述多個模型對目標(biāo)域數(shù)據(jù)預(yù)測結(jié)果的不確定度作為預(yù)測性能，選取不確定度最低的一個模型構(gòu)建所述分類模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，采用信息熵作為不確定度的度量，取信息熵最小的一個模型構(gòu)建所述分類模型。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述分類模型的訓(xùn)練過程中，將所述多個模型的正則化層并列連接于所選出模型的單卷積層上進(jìn)行訓(xùn)練，形成多條通路。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在所述分類模型訓(xùn)練過程中，根據(jù)每條通路預(yù)測結(jié)果的不確定度，對每條通路的損失函數(shù)進(jìn)行加權(quán)來設(shè)定所述損失函數(shù)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，在預(yù)測目標(biāo)域數(shù)據(jù)的分類信息過程中，利用重參數(shù)化將多個正則化層統(tǒng)一成一個正則化層，并根據(jù)每條通路預(yù)測結(jié)果的不確定度，對每條通路的預(yù)測結(jié)果進(jìn)行加權(quán)。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多個模型具有相同的網(wǎng)絡(luò)結(jié)構(gòu)，各模型具有對應(yīng)的卷積層和對應(yīng)的正則化層。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多個模型設(shè)置三個或三個以上。

9.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其中，該計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)根據(jù)權(quán)利要求1至8中任一項(xiàng)所述的方法的步驟。

10.一種計(jì)算機(jī)設(shè)備，包括存儲器和處理器，在所述存儲器上存儲有能夠在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時實(shí)現(xiàn)權(quán)利要求1至8中任一項(xiàng)所述的方法的步驟。