基于对抗式迁移学习的罕见血型鉴定方法、介质及设备

本发明提出了基于对抗式迁移学习的罕见血型鉴定方法、介质及设备，首先，通过引入注意力机制、加入多尺度卷积及对多尺度卷积特征图进行空间金字塔池化来改进基础CNN模型，并将训练好的CNN模型作为对抗式迁移学习模型的共享特征提取部分；接着，对CNN模型添加全连接层作为源域分类器和目标域分类器；其次，考虑罕见血型数据的稀疏性、类别不平衡性和特征复杂性等特点，设计综合性的对抗性损失函数；最后，训练对抗式迁移学习模型，用于罕见血型的检测。本发明可以有效提取血型相关特征，提高血型识别准确率；仅需要对血型样本进行图像识别，无需进行血清学实验，操作简单，易于普及；仅需一次性建立血型识别模型，降低操作难度和成本。