[发明专利]一种基于素描标注信息的生成对抗迁移学习方法

摘要

本发明公开了一种基于素描标注信息的生成对抗迁移学习方法，获取初始素描图，构造形式为“源域图像‑源域图像边缘标注图”的成对数据集；构造基于素描标注信息的边缘分割深度网络并训练；基于矩阵范数选择目标域样本；构造并训练基于素描标注信息的生成对抗迁移学习网络，该网络包括深度生成器网络、深度判别器网络、基于素描标注信息的边缘分割深度网络和深度分类器网络；输入目标域图像，得到目标域图像的分类结果；本发明利用源域数据及目标域数据结构的相似性，通过结构约束，生成确定标签的符合目标域分布的样本，从而进行标签的传递，实现跨域分类。提高了分类准确率，实现了跨域分类任务。

主权项

1.一种基于素描标注信息的生成对抗迁移学习方法，其特征在于，包括如下步骤：S1、获取源域图像及其对应的边缘标注图s为源域，K_s为源域图像的数量，其中R表示实数域，构造形式为“源域图像‑源域图像边缘标注图”的成对数据集S2、构造基于素描标注信息的边缘分割深度网络T，将步骤S1中的成对数据集分批次输入边缘分割深度网络T中进行训练，每批次的大小为K；S3、基于矩阵F范数，从目标域图像中选取和源域图像相似的图像，t为目标域，K_t为目标域图像数量，得到新的K′_t个目标域图像及对应的伪标签S4、构造基于素描标注信息的生成对抗迁移学习网络，其中，对抗迁移学习网络包括深度生成器网络G、深度判别器网络D、基于素描标注信息的边缘分割深度网络T和深度分类器网络C，将源域图像及对应的标签和步骤S3中得到的目标域图像及对应的伪标签分批次输入对抗迁移学习网络中进行训练，每批次的大小为K；S5、将所有K_t个目标域图像输入步骤S4中网络的深度分类器网络C得到目标域图像的分类结果。