一种通过特征解耦实现无监督域自适应图像分类的方法.pdf
是你****噩呀
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种通过特征解耦实现无监督域自适应图像分类的方法.pdf
本发明公开了一种通过特征解耦实现无监督域自适应图像分类的方法,其步骤包括:1、对包含具有N个类别图像的数据进行图像预处理;2、构建基于互信息的特征解耦与域自适应网络模型;3、使用交替迭代优化的方式训练构建的网络模型;4、利用训练好的模型对待分类的图像进行预测,实现图像的分类识别。本发明能克服标注数据集耗时的问题以及跨域图像分类中域偏移造成的负面影响,从而实现跨域图片的准确分类。
基于特征解耦的领域泛化和领域自适应血细胞分类方法.pdf
本发明具体公开了一种基于特征解耦的领域泛化和领域自适应血细胞分类方法,所述方法包括以下步骤:S1、搭建深度神经网络血细胞分类模型;S2、构建孪生网络特征解耦模块;S3、预处理源域血细胞图像,并将源域血细胞图像与预处理后的源域血细胞图像一并输入孪生网络特征解耦模块中进行训练;S4、将孪生网络特征解耦模块的两个输出批量归一化处理,并利用KL散度对齐两个输出的风格信息和内容信息,进而通过预定义的分类损失函数进行分类模型优化;S5、对目标域的血细胞测试样本进行预测分类。本发明采用对比学习方法,有效减少了网络模型的
一种基于无监督领域自适应网络的眼底图像分类方法.pdf
本发明公开了一种基于无监督领域自适应网络的眼底图像分类方法,首先获取眼底图像样本;然后对眼底图像样本进行数据预处理;构建并训练无监督领域自适应网络模型;最后通过训练好的无监督领域自适应网络模型完成眼底图像分类,获取分类结果。本发明的模型采用强弱对比增强,将来自弱增强的样本的伪标签作为“锚”,将强增强的样本对齐到“锚”上,从而增强模型在目标域上的泛化性能。本发明的网络模型没有直接对眼底图像进行分类,而是先通过Unet网络分割出视神经盘周围区域,进而直接对分割出的视神经盘区域进行分类。
基于空间分辨率域自适应的无监督遥感图像语义分割方法.pdf
本发明涉及基于空间分辨率域自适应的无监督遥感图像语义分割领域,基于空间分辨率域自适应的无监督遥感图像语义分割方法包括如下步骤:获取源域低分辨率遥感图像数据集和目标域高分辨率遥感图像数据集,分为:图像语义分割训练集和图像语义分割测试集;搭建基于对抗学习的超分辨率‑语义分割多任务网络;搭建好的基于对抗学习的超分辨率网络进行网络预训练;训练基于对抗学习的超分辨率‑语义分割多任务网络;将图像语义分割测试集输入已训练好的基于对抗学习的超分辨率‑语义分割多任务网络生成器得到最终预测结果。
一种跨域图像分类方法.pdf
本发明公开一种跨域图像分类方法,该方法用视觉特征提取器提取待分类目标域图像的初始视觉特征,并利用初始视觉特征构建领域对齐损失函数、类别对齐损失函数和结构对齐损失函数,再构建分类器,最后利用视觉特征提取器和分类器获得待分类的目标域图像的分类结果。该方案利用领域对齐损失函数、类别对齐损失函数和结构对齐损失函数来减小待分类目标域图像各个领域之间的差异,提高对跨域图像的分类精度。