一种基于少样本无监督域适应的跨域图像分类方法

一种基于少样本无监督域适应的跨域图像分类方法，其包括获取训练特征数据集；构造特征提取器，并使用预训练模型；搭建基于样本选择策略、对抗域适应和原型学习的模型；得到总的损失函数，进行迭代以优化模型；利用训练完成的域自适应分类模型进行跨域图像分类。本发明利用样本选择策略扩充源域样本，无需额外未标记源域数据。此外，通过构建源域类别原型，将目标域样本与源域原型直接对齐，实现了精细化的跨域特征对齐。本发明结合局部类别原型对齐和全局对抗对齐，不仅增强了模型在特征对齐方面的能力，还在公开数据集上验证了其优异的分类性能，特别是在源域标记样本极为有限的情况下展现了显著的鲁棒性。