一种基于类内结构紧致约束的无监督对抗域适应方法

摘要

本发明公开了一种基于类内结构紧致约束的无监督对抗域适应方法。具体包括如下步骤：获取用于训练的有标签的源域数据集以及无标签的目标域数据集；用神经网络模型提取数据集中每张图片的特征，并根据聚类算法构建提取到的特征的类内结构；利用对抗域适应算法训练神经网络，并在训练过程中以类内结构的紧致性作为条件约束神经网络；利用训练过的模型重新提取每张图片的特征以及特征的类内结构，并以此作为约束用对抗域适应算法进一步训练神经网络；不断迭代进行特征提取，特征类内结构构造以及用以类内结构紧致性为条件的对抗域适应算法训练神经网络。本发明适用于无监督域适应领域中的知识迁移，面对各类复杂的情况具有较佳的效果和鲁棒性。