[发明专利]神经网络的训练方法、数据获取方法和装置

权利要求书

1.一种神经网络的训练方法，其特征在于，包括：

获取训练数据；

使用所述训练数据对神经网络进行训练，使得所述神经网络从所述训练数据中学习分解域不变特征和域特定特征；

其中，所述域特定特征为表征所述训练数据所属的领域的特征，所述域不变特征为与所述训练数据所属领域无关的特征。

2.根据权利要求1所述的方法，其特征在于，所述使用所述训练数据对神经网络进行训练包括：

从所述训练数据的特征中分解出域不变特征和域特定特征；

使用所述域不变特征执行任务，得到任务损失，并计算所述域不变特征和所述域特定特征之间的互信息损失，所述任务损失用于表征使用所述域不变特征执行任务所得到的结果与任务标签之间的差距，所述互信息损失用于表示所述域不变特征和所述域特定特征之间的差异；

根据所述任务损失和所述互信息损失，训练所述神经网络。

3.根据权利要求2所述的方法，其特征在于，还包括：

使用所述域特定特征进行域分类，得到域分类损失；

其中，所述根据所述任务损失和所述互信息损失，训练所述神经网络，包括：

根据所述任务损失、所述互信息损失和所述域分类损失训练所述神经网络。

4.根据权利要求2或3所述的方法，其特征在于，所述从所述训练数据的特征中分解出域不变特征和域特定特征，包括：

从所述训练数据中提取初始特征；

将所述初始特征分解成所述域不变特征和所述域特定特征，

其中，所述方法，还包括：

训练所述神经网络，以减小所述初始特征所包含的信息与所述域不变特征和所述域特定特征共同包含的信息之间的差异。

5.根据权利要求4所述的方法，其特征在于，在所述训练所述神经网络，以减小所述初始特征所包含的信息与所述域不变特征和所述域特定特征共同包含的信息之间的差异之前，还包括：

使用所述域不变特征和所述域特定特征对所述初始特征进行重建，得到重建特征；

比较所述初始特征和所述重建特征，以确定所述初始特征所包含的信息与所述域不变特征和所述域特定特征共同包含的信息之间的差异。

6.根据权利要求2所述的方法，其特征在于，还包括：

使用所述域不变特征和所述域特定特征对初始特征进行重建，得到重建特征，其中所述域不变特征和所述域特定特征是从所述初始特征中分解出的特征；

比较所述初始特征和所述重建特征以获取重建损失，所述重建损失用于表征所述初始特征所包含的信息与所述域不变特征和所述域特定特征共同包含的信息之间的差异，

其中，所述根据所述任务损失和所述互信息损失，训练所述神经网络，包括：

根据所述任务损失，对所述神经网络进行第一阶段的训练；

根据所述互信息损失，对所述神经网络进行第二阶段的训练，

其中，所述方法还包括：

根据所述重建损失，对所述神经网络进行第三阶段的训练。

7.根据权利要求2或3所述的方法，其特征在于，所述神经网络包括第一解耦器和第二解耦器，所述从所述训练数据的特征中分解出域不变特征和域特定特征，包括：

从所述训练数据中提取所述训练数据的第一特征；

采用所述第一解耦器从所述第一特征中提取初步域不变特征和初步域特定特征；

将所述初步域不变特征与所述第一特征融合，得到第二特征；

从所述第二特征中提取所述训练数据的第三特征；

采用第二解耦器从所述第三特征中提取所述域不变特征和所述域特定特征。

8.根据权利要求7所述的方法，其特征在于，还包括：

训练所述神经网络，以减小所述第三特征所包含的信息与所述域不变特征和所述域特定特征共同所包含的信息之间的差异。

9.根据权利要求1至8中的任一项所述的方法，其特征在于，所述神经网络用于进行域自适应学习，所述训练数据包括不同领域的图像数据。