一种基于数据流形几何的深度领域适应图像分类方法、系统及介质

    公开(公告)号:CN116863216B

    公开(公告)日:2024-08-06

    申请号:CN202310803734.2

    申请日:2023-06-30

    Abstract: 本申请涉及一种基于数据流形几何的深度领域适应图像分类方法、系统及介质,方法包括以下具体步骤:选定源图像数据和待识别的目标图像数据;源图像数据和待识别的目标图像数据进行预处理,分别输入Alexnet深度卷积神经网络;分别针对源图像数据和待识别的目标图像数据,采用点到特征平面投影,获得数据流形几何,并建立基于数据流形几何的源图像数据和待识别的目标图像数据分布差异度量;建立深度领域适应损失函数,实现待识别的目标图像数据分类。本申请利用点到最近邻特征平面投影来学习数据流形几何,进而建立基于数据流形几何的最大均值差异的源图像和待识别目标图像的分布差异,训练AlexNet网络,提高目标图像的识别精度和识别鲁棒性能。

    一种基于数据流形几何的深度领域适应图像分类方法、系统及介质

    公开(公告)号:CN116863216A

    公开(公告)日:2023-10-10

    申请号:CN202310803734.2

    申请日:2023-06-30

    Abstract: 本申请涉及一种基于数据流形几何的深度领域适应图像分类方法、系统及介质,方法包括以下具体步骤:选定源图像数据和待识别的目标图像数据;源图像数据和待识别的目标图像数据进行预处理,分别输入Alexnet深度卷积神经网络;分别针对源图像数据和待识别的目标图像数据,采用点到特征平面投影,获得数据流形几何,并建立基于数据流形几何的源图像数据和待识别的目标图像数据分布差异度量;建立深度领域适应损失函数,实现待识别的目标图像数据分类。本申请利用点到最近邻特征平面投影来学习数据流形几何,进而建立基于数据流形几何的最大均值差异的源图像和待识别目标图像的分布差异,训练AlexNet网络,提高目标图像的识别精度和识别鲁棒性能。

Patent Agency Ranking