一种基于分布感知特征对齐的半监督域适应图像分类方法

本发明公开了一种基于分布感知特征对齐的半监督域适应图像分类方法，包括以下步骤：针对源域和目标域的图像数据，分别进行强数据增强和弱数据增强，生成多视图输入特征，通过共享的卷积神经网络提取输入特征，并结合基于分布校准的伪标签监督策略，将当前概率分布与整体概率分布进行归一化，以减少伪标签偏差，提升伪标签质量，在特征对齐阶段，利用特征层级对齐进行标签一致性选择和特征对齐，保证源域和目标域之间的特征分布一致性，通过构建联合优化目标，整合伪标签监督损失、特征对齐损失和混合对齐损失。本发明可广泛应用于跨领域图像分类、目标识别、医学影像分类与检测等领域的计算机视觉任务。