[发明专利]域自适应学习方法

摘要

本发明涉及面向计算机视觉领域的域自适应技术，为解决物体分类问题训练类别和测试类别的分布不同而引起的域偏移问题，本发明：域自适应学习方法，用表示包含n个样本的训练数据集，其中表示视觉特征空间，包含N个类别，利用表示来自M个类别的m个测试样本，并且训练类别和测试类别是不相交的，每一个类别利用嵌入在类别语义空间中的一个向量表征，为属性空间或者文本描述空间，p和q表示视觉空间和类别语义空间的维度，跨模态嵌入方法的基本原理是利用训练数据S学习一个转移矩阵将视觉样本从视觉空间χ转移到类别语义空间y中，在测试阶段，利用在训练阶段学习到的转移矩阵W^*将测试样本x映射到类别语义空间。本发明主要应用于计算机视觉场合。

主权项

1.一种域自适应学习方法，其特征是，用表示包含n个样本的训练数据集，其中表示视觉特征空间，包含N个类别，利用表示来自M个类别的m个测试样本，并且训练类别和测试类别是不相交的，即：每一个类别利用嵌入在类别语义空间中的一个向量表征，为属性空间或者文本描述空间，p和q表示视觉空间和类别语义空间的维度，跨模态嵌入方法的基本原理是利用训练数据S学习一个转移矩阵将视觉样本从视觉空间转移到类别语义空间中，在测试阶段，利用在训练阶段学习到的转移矩阵W^*将测试样本x映射到类别语义空间，然后利用公式1预测测试样本的类别：/n /n其中y_c是第c个测试类对应的类别语义向量，利用公式(1)获得m个测试样本对应的预测类别，根据测试类别和类别语义向量之间的对应关系，得到测试样本集X_U对应的预测类别语义矩阵矩阵的每一列向量表示测试样本的测试类别所对应的类别语义向量；/n其中，利用测试样本自学习一个更适合测试样本的转移矩阵W，其目标函数为：/n /n其中λ₁和λ₂是权重系数，表示将测试样本x_i映射到类别语义空间中的损失，v_i表示测试样本x_i在语义空间中的映射向量，表示利用测试样本学习得到的转移矩阵要与利用训练样本学习得到的转移矩阵相似；表示利用转移矩阵学习得到的映射向量v_i要与类别的真实类别语义向量相似，其中A_ij表示预测的映射向量v_i与第j类的类别语义向量的相似度，A_ij＝cos(v_i,y_j)，利用表示测试集在类别语义空间中的映射矩阵。/n