无源领域自适应模型训练方法、系统、设备及存储介质

本发明公开了无源领域自适应模型训练方法、系统、设备及存储介质，所述方法包括：针对基础网络模型输出的两个样本特征余弦相似度，验证网络模型直接输出两个样本的相关性，构造相关性矩阵一致性；并在同样的样本上构造两个网络模型对样本的注意力一致性；利用相关性矩阵一致性和注意力一致性约束，对基础网络模型和验证网络模型进行交叉协同训练，直至模型收敛。本发明中通过利用分类任务与相关性排序任务的交叉一致性约束，对基础网络模型和验证网络模型进行交叉训练，互相协作，减小了现有领域自适应方法的伪标签的不可靠性和不稳定性，大大提高了无源领域自适应模型的准确率和鲁棒性。