一种基于全局特征和内在特征关联的迁移学习方法

摘要

一种基于全局特征和内在特征关联的迁移学习方法，包括通过深度神经网络来提取样本的深度特征；从目标域里选择一定比例的样本作为带标签的目标域样本，其余样本属于无标签的目标域样本；采用半监督的对抗迁移学习方法，学习出目标域的基模型；根据深度特征分别对源域的全部样本、目标域的无标签样本分别进行无监督聚类，每个聚类称为一个组件；对源域、目标域的组件进行匹配，每一个匹配称为一个配对；针对每一个配对，都以基模型为基础进行微调，使之更符合该配对里的目标域成分。同时考虑了特征的整体分布、特征之间的内在关联，可以更好地实现知识迁移，从而更好地解决了物体识别等领域里的人工标注费时、费力等问题，提高迁移效率。