[发明专利]一种基于三元组和差额度量的域自适应方法

权利要求书

1.一种基于三元组和差额度量的域自适应方法，其特征在于，包括以下步骤：

步骤S1、从目标域随机抽取样本，形成目标域batch，将所述目标域batch输入特征提取器获得样本特征；将样本特征输入至多分类器，进行熵最小化处理；同时将样本特征输入至多二分类器，依据多二分类器的输出判定k个临界样本和对应的k对相似类，计算出对应的k个正负样本对间的差额margin；

步骤S2、根据步骤S1中在目标域batch中找到的k对相似类，通过三元组损失tripletloss在源域的k对相似类中筛选有效样本，构建源域batch；

步骤S3、将构建的源域batch输入至特征提取器进行特征提取，将提取出的特征分别输入至多分类器和多二分类器，基于分类信息训练特征提取器、多分类器和多二分类器；

步骤S4、将源域batch和目标域batch提取的特征分别输入至域对抗网络中，进行域对齐操作。

2.根据权利要求1所述的一种基于三元组和差额度量的域自适应方法，其特征在于，所述步骤S1中将目标域batch送入特征提取器F提取特征后再送入多分类器C_m进行熵最小化，损失函数如下：

其中，|X_t|表示目标域batch的样本数量，F为特征提取器，C_m为多分类器，H(·)表示求熵；

将目标域batch提取的特征送入多分类器的同时，也送入到多二分类器C_b中，通过C_b的输出判定k个临界样本；具体判定方法如下：

对于目标域batch在C_b上的输出，将目标域batch中每个样本在C_b上输出的最大值与次大值之间的差值定义为分类距离d，寻找分类距离d最小的前k个样本，判定为临界样本，记录下每个临界样本最大值和次大值所对应的类分别记为A类和B类；针对相似类A和B，计算margin值β_(A,B)；根据临界点所对应的最小分类距离d确定β_(A,B)如下：

其中表示目标域batch，x_i表示在目标域batch中找到的临界样本，表示临界样本x_i在多二分类器C_b上的输出值，α₀为初始值，μ为恒定系数，d表示临界点x_i所对应的最小分类距离；

对margin值采用不同batch求平均的方式，公式如下：

表示A和B的两个相似类在第t个batch的平均margin值。