[发明专利]一种基于张量分解和域适应的图像分类方法

摘要

本发明公开一种基于张量分解和域适应的图像分类方法，步骤是：使用深度学习网络提取源域图像和目标域图像的特征，使用张量表示，分别为XS、XT，拼接源域和目标域的特征，记为X，XS、XT、X均为四阶张量；利用Tensor Ring分解方法，将X分解为四个三阶张量{U1,U2,U3,U4}；将XS与U1,U2,U3进行相乘，得到newXS；对XT与U1,U2,U3进行相乘，得到newXT；对newXS、newXT进行重塑，将源域和目标域的特征转换为矩阵的形式，分别为Xtrain、Xtest；使用Xtrain训练网络对Xtest进行分类。此种方法可对没有标签的图像进行分类。

主权项

1.一种基于张量分解和域适应的图像分类方法，其特征在于包括如下步骤：步骤1，使用深度学习网络提取源域图像和目标域图像的特征，使用张量表示，分别为X_S、X_T，拼接源域和目标域的特征，记为X，X_S、X_T、X均为四阶张量；步骤2，利用Tensor Ring分解方法，将X分解为四个三阶张量{U₁,U₂,U₃,U₄}，该三阶张量集合表示源域和目标域共享的子空间；步骤3，将X_S与U₁,U₂,U₃进行相乘，在相乘过程中对X_S和U_n进行维度的调整和重塑，n＝1,2,3，而且将每次矩阵相乘结果重塑为张量，最终实现X_S的降阶，得到newX_S；对X_T与U₁,U₂,U₃进行相乘，在相乘过程中对X_T和U_n进行维度的调整和重塑，n＝1,2,3，而且将每次矩阵相乘结果重塑为张量，最终实现X_T的降阶，得到newX_T；步骤4，对newX_S、newX_T进行重塑，将源域和目标域的特征转换为矩阵的形式，分别为X_train、X_test；步骤5，使用X_train训练网络对X_test进行分类。