技術(shù)編號：40615594
提示：您尚未登錄，請點(diǎn) 登 陸 后下載，如果您還沒有賬戶請點(diǎn) 注 冊 ，登陸完成后，請刷新本頁查看技術(shù)詳細(xì)信息。本發(fā)明涉及圖像分類，尤其是涉及一種基于潛在域和類別多樣性的圖像分類方法及系統(tǒng)。背景技術(shù)、隨著深度神經(jīng)網(wǎng)絡(luò)在圖像分類、視頻分析和圖像語義分割等計(jì)算機(jī)視覺任務(wù)中的成功應(yīng)用，如何在沒有標(biāo)注數(shù)據(jù)的目標(biāo)域中實(shí)現(xiàn)高效模型遷移成為了亟待解決的問題。傳統(tǒng)的有監(jiān)督學(xué)習(xí)方法依賴于大規(guī)模帶標(biāo)簽數(shù)據(jù)進(jìn)行訓(xùn)練，當(dāng)模型應(yīng)用于與訓(xùn)練集分布不一致的目標(biāo)域時(shí)，性能往往大幅下降。為此，無監(jiān)督域自適應(yīng)（uda）應(yīng)運(yùn)而生，其目的是通過源域帶標(biāo)簽數(shù)據(jù)訓(xùn)練的模型在無標(biāo)簽的目標(biāo)域上保持高泛化性。然而，由于源域與目標(biāo)域分布差異顯著，如何提取...
注意：該技術(shù)已申請專利，請尊重研發(fā)人員的辛勤研發(fā)付出，在未取得專利權(quán)人授權(quán)前，僅供技術(shù)研究參考不得用于商業(yè)用途。
該專利適合技術(shù)人員進(jìn)行技術(shù)研發(fā)參考以及查看自身技術(shù)是否侵權(quán)，增加技術(shù)思路，做技術(shù)知識儲備，不適合論文引用。
請注意，此類技術(shù)沒有源代碼，用于學(xué)習(xí)研究技術(shù)思路。