基于马氏分类器的多源泛化方法

本发明公开了一种基于马氏分类器的多源泛化方法，包括：获取多个源域的图像数据；根据多个源域的图像数据，获取训练数据集合，每个源域的图像数据中的一个图像作为一个样本图像，训练数据包括样本图像及其对应的类别标签；构建图像检测模型，模型包括依次连接的特征提取器和生成分类器，特征提取器采用卷积神经网络，生成分类器采用基于马氏距离的马氏分类器；构建目标检测损失函数；基于目标检测损失函数，利用训练数据集合训练图像检测模型；获取待分类图像，将待分类图像输入训练后的图像检测模型，得到并输出待分类图像对应的类别。本发明能够充分捕获跨域的类变化，避免过渡拟合源域的图像数据，显著提高模型在不同源域图像上的分类精度。