基于迁移学习的图像分类算法研究

发布时间：2023-12-24 15:26

　　图像分类是计算机视觉领域中很常见的学习任务,传统的图像分类任务要求有大量的带有标记的数据来训练模型,但是图像标注需要花费一定的时间和人力,在实际应用中,有些时候需要对一些不常见或者未出现过的类别进行分类。当带有标记的图像数量较少,利用传统的图像分类模型无法取得满意效果的时候,可以借助迁移学习的思想利用相关领域中的带有标记的数据,即源域数据来辅助目标域进行分类。迁移学习中,源域和目标域存在着一定的差异,如何在迁移学习中减小源域和目标域的差异,利用源域中带有标记的数据来辅助目标域进行分类是本文研究的重点。首先,本文研究了迁移学习中无监督域适应问题,针对源域和目标域概率分布不一致,差异较大问题,提出同时适配源域和目标域边缘概率分布和条件概率分布的迁移学习方法,并且在适配过程中分别给予二者不同的权重系数,同时,在适配过程中进行类别判别特征学习,具体的在特征空间当中约束同一个类别样本之间的距离最小化,不同类别样本之间的距离最大化,从而提高分类性能。其次,本文研究了迁移学习中的半监督深度域适应问题,针对域适应中目标域样本数量较少且部分样本带有标记的情况,提出利用类别语义迁移的方法进行半监督域适应学...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 论文研究背景和意义
    1.2 国内外研究现状
    1.3 本文的主要工作和章节安排
第二章 相关知识介绍
    2.1 迁移学习和零样本学习
    2.2 迁移成分分析
    2.3 VGG网络模型
    2.4 语义学习
第三章 基于数据分布自适应和类别判别特征学习的图像分类算法研究
    3.1 引言
    3.2 数据分布自适应
        3.2.1 问题定义
        3.2.2 联合数据分布自适应过程
    3.3 类别判别特征学习
    3.4 实验部分
        3.4.1 数据集说明
        3.4.2 实验设置
        3.4.3 实验结果和分析
    3.5 本章小结
第四章 基于类别语义迁移的半监督域适应研究
    4.1 引言
    4.2 半监督深度域适应模型
        4.2.1 问题定义
        4.2.2 半监督深度域适应模型
    4.3 实验部分
        4.3.1 实验设置
        4.3.2 实验结果和分析
    4.4 本章小结
第五章 基于深度嵌入模型的零样本图像分类研究
    5.1 引言
    5.2 深度嵌入模型学习
    5.3 实验部分
        5.3.1 数据集说明
        5.3.2 实验设置
        5.3.3 实验结果对比分析
    5.4 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 工作展望
参考文献
致谢
作者简介



本文编号：3874787