一种基于对抗域自适应网络的图像分类方法

摘要

本发明公开了一种基于对抗域自适应网络的图像分类方法，重新定义了对抗损失函数Ladv克服源域和目标域泛化问题，但重新定义抗损失函数是有代价的，仅通过优化新的ADAN目标函数即抗损失函数不能保证源域和目标域分布是接近的，因此，本发明采用最小化额外的发散度即度量损失函数Lmetric来对齐源域和目标域。这样采用对抗性学习和度量学习，一方面，挑战了以往ADAN中的泛化问题，另一方面，保证了在训练过程中使域发散最小化。实验表明，本发明可以很好地适用于无监督的领域自适应任务，提高目标域图像的分类性能(准确率)。