[发明专利]基于域适应的噪音场景图像分类方法及系统

权利要求书

1.一种基于域适应的噪音场景图像分类方法，其特征在于，包括以下步骤：

S1、采用干净源域样本训练特征提取器和分类器；利用训练好的特征提取器和分类器，对源域样本进行蒸馏，蒸馏出干净源域样本；具体实现过程包括：

1)将从第t-1轮迭代提取的干净源域样本集C_t-1输入到特征提取器ψ_t-1和分类器f_t-1；其中，当t＝1时，设置初始干净源域样本集C₀为全部源域样本D_s；

2)通过最小化分类损失训练网络，得到特征提取器ψ_t和分类器f_t；当t＝1时，将源域样本输入特征提取器和分类器，利用下式判断是否将源域样本放入干净样本集C₁，C₁初始时为空：其中当时，表示当t＞1时，利用下式判断是否将源域样本放入干净样本集C_t，C_t初始时为空：若表示属于C_t；其中，为标签为的源域样本；n为标签为的源域样本数量；为采用特征提取器ψ₁提取的特征，为的同类数据特征；为源域样本附带的标签；为分类器预测的样本标签为的概率；τ为置信度阈值；

3)当|C_t+1|-|C_t|＜m，即干净源域样本的数量停止增长时，结束；m为设置的阈值；

S2、给每一个目标域样本分配一个伪标签，从标签空间Y中随机采样类子集Y_C，针对类子集Y_C中的每一个类，分别从蒸馏的干净源域样本和带伪标签的目标域样本中采样d个样本，得到小批量平衡的蒸馏源域数据和带伪标签目标域数据

S3、将蒸馏源域数据和带伪标签目标域数据输入训练特征提取器ψ得到特征，并将提取到的特征分别输入分类器f和辅助分类器f'，利用辅助分类器f'最大化MDD差异，并通过最小化分类损失和MDD差异训练特征提取器η和分类器f，最小化MDD差异的上限，得到具有最优参数的分类器

所述分类损失L(ψ,f)和MDD差异的关系式为：

其中η为分类损失和MDD差异之间的系数，

表示softmax函数的第y^s个元素，f(ψ(x^s))为分类器f对于源域特征ψ(x^s)的输出，w表示对类子集Y_C进行0-1编码得到的向量，表示将向量各个元素按位置相乘，为分类器f和辅助分类器f'在类子集Y_C上的差异，f'(ψ(x^t))和f(ψ(x^s))分别为辅助分类器f'对于目标域特征ψ(x^t)和源域特征ψ(x^s)的输出，γ为权重。

2.根据权利要求1所述的基于域适应的噪音场景图像分类方法，其特征在于，特征提取器ψ采用ResNet-50。

3.根据权利要求1所述的基于域适应的噪音场景图像分类方法，其特征在于，分类器f由多个全连接层连接而成。

4.根据权利要求3所述的基于域适应的噪音场景图像分类方法，其特征在于，所述全连接层的个数为2。

5.一种基于域适应的噪音场景图像分类系统，其特征在于，包括计算机设备；所述计算机设备被配置或编程为用于执行权利要求1～4之一所述方法的步骤。