基于数据多样性增强的无监督领域泛化方法及设备

本发明提供了一种基于数据多样性增强的无监督领域泛化方法及设备，本发明的方法包括：将原始图像、噪声图作为深度学习网络模型的输入，训练深度学习网络模型；深度学习网络模型包括第一生成器、第二生成器；通过最大化最小化对抗性损失函数对第一生成器和第二生成器进行对抗性训练，得到数据生成模型。本发明中的两个生成器通过对抗性训练进行联合优化，生成器通过自适应实例规范化层和噪声注入生成多样化的视觉样本。通过互信息量的最大化和最小化策略以确保生成样本在视觉属性上的多样性和一致性。生成器在多样化图像的同时，互信息量的调控确保了生成样本之间既有足够的相似性保持模型的稳定性，又有足够的差异性以增强泛化能力。