基于对抗学习的深度学习模型域适应方法

本发明公开了一种基于对抗学习的深度学习模型域适应方法，包括S1、引入了一个域判别器D；S2、使用Vision Transfomer作为共享的特征提取器F；S3、搭建具有域判别器的Transformer网络模型，Transformer网络模型由特征提取器F，分类器C和域判别器D组成，特征提取器F与域判别器D之间形成对抗性训练的关系，并进行Transformer网络模型的优化；S4、设计渐进式平滑训练策略，对Transformer网络模型训练过程中的域混淆损失函数项梯度进行逐渐放宽的约束。本发明旨在填补针对Vision Transformer域适应研究的空白，针对Vision Transformer结构特点，基于对抗训练理论制定了Vision Transformer域适应方法。同时，基于渐进迭代的平滑训练策略与基于栅格搜索的域判别器结构搜寻。