对抗领域自适应和共轭梯度核极限学习机的图像识别方法

对抗领域自适应和共轭梯度核极限学习机的图像识别方法，其特征在于首先构建特征提取器获取源域和目标域的初步特征；然后构建对抗领域自适应网络优化两个领域特征，让源域和目标域特征提取器与鉴别器进行博弈，以此来减小目标域与源域的域间差异，并投影到一个公共的特征空间，找到最优的目标域特征。最后，构建分类器识别图像，构建共轭梯度核极限学习机作为分类器对最优目标域特征进行分类，得出分类结果。本发明的目的是提供一种轻量网络：对抗领域自适应和共轭梯度核极限学习机，解决现有深度学习对大量标注数据的依赖，降低图像识别中样本标注代价，降低硬件实现成本，实现跨领域的知识迁移，完成目标域无监督和高精度图像识别。