基于熵最小化的开集域适应方法及系统

摘要

本发明提供了一种基于熵最小化的开集域适应方法，包括：构建开集域适应网络并初始化网络超参数；将源域与目标域图片输入开集域适应网络并通过网络特征提取层获得图片深度特征，然后将特征图通过softmax层得到各类别预测概率向量；使用已知类别预测概率向量及图片标签计算熵损失函数以正确识别共同类别，并在此基础上，使用未知类别预测概率值计算二元交叉熵及二元多样性损失函数以正确分类未知类，反向传播梯度来更新网络参数至损失函数值最小，停止训练网络；保存网络模型以及训练结果，将目标域数据集引入该网络模型，得到最后的目标域标签，本发明实现了最高的分类精度。