[发明专利]域自适应中基于二分类器检测目标域相似类的方法

权利要求书

1.一种域自适应中基于二分类器检测目标域相似类的方法，其特征在于，包括以下步骤：

步骤1：使用源域样本对特征提取器和多二进制分类器进行训练；

步骤2：在特征空间上训练对抗生成对齐网络，使目标域样本对齐源域样本；

步骤3：观察目标域样本在多二进制分类器上的输出，找出相似的类，同时用TSNE进行降维来验证找到的相似的类；

步骤4：利用现有的距离度量学习算法，在度量空间中拉开源域中相似类的距离，然后重新让目标域对齐源域，从而间接拉开了目标域相似类之间的距离。

2.根据权利要求1所述的域自适应中基于二分类器检测目标域相似类的方法，其特征在于，步骤1中训练时损失函数如下：

其中，L_s是多二进制分类器的损失函数，θ_f表示特征提取器的参数，表示多二分类器的参数，C_s表示源域所有的类，n_s表示源域训练的样本数量，L_bce表示二进制交叉熵，G_c是多二进制分类器，G_f是特征提取器，I(·)是指示函数，x_i表示源域的第i个样本，y_i表示源域的第i个样本的预测label，c表示源域的第i个样本的真实label。

3.根据权利要求1所述的域自适应中基于二分类器检测目标域相似类的方法，其特征在于，步骤2的对齐网络中域鉴别器和生成器的损失函数分别是公式如下：

公式(3)和公式(4)一正一负，表示对抗生成对齐的过程，域鉴别器鉴别出样本来自源域还是目标域，生成器则提取出域不变特征使得域鉴别器鉴别不出来样本来自源域还是目标域，其中L_d具体公式(5)：

L_d代表对抗生成的损失函数，D_s表示源域的数据集，n_s表示源域训练的样本数量，L_bce表示取二进制交叉熵，G_d表示域鉴别器，G_f是特征提取器，x_i表示源域的第i个样本，d_i表示样本x_i的真实域，如果是源域样本，则d_i＝1，x_j表示目标域的第j个样本，D_t表示目标域的数据集，n_t表示目标域训练的样本数量，d_j表示样本x_j的真实域，如果是目标域样本，则d_i＝0，d_j＝1-d_i＝1。

4.根据权利要求1所述的域自适应中基于二分类器检测目标域相似类的方法，其特征在于，步骤3)中判断相似类的具体方法为：如果存在一些目标域样本在多二分类器中输出的次大值如果大于最大值的60％，则该目标样本处于特征空间中这两类的边界，即这两个类比较相似。