困难样本划分处理的无源领域自适应图像识别方法

困难样本划分处理的无源领域自适应图像识别方法，其特征在于首先不访问源域数据并训练源域模型；然后构建目标域模型，训练目标域最优的特征生成器，设计互信息最大化损失和加权聚类算法以学习目标域的特征表示，隐式对齐跨域特征。最后，划分处理困难样本，将目标域样本划分为简单样本、低置信度和高置信度的困样样本，并设计有效的权值分配机制结合促进特征学习的策略，以实现出色的领域迁移能力。本发明的目的是提供高精度的无源领域自适应图像识别方法，解决现有领域自适应的数据安全和隐私保护问题，解决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和硬件实现成本，实现跨领域的知识迁移，完成目标域的高精度图像识别。