一种面向领域适应的类内自监督学习方法及装置

本发明涉及领域自适应技术领域，提供了一种面向领域适应的类内自监督学习方法及装置。本发明通过待迁移模型的特征提取器获取源域特征向量和目标域特征向量，据此确定所有样本与相应域中聚类中心之间的距离，得到第一损失函数值；通过待迁移模型的分类器根据源域特征向量和目标域特征向量，确定所有样本与相应的特征向量的互信息得到第二损失函数值，以及确定分类器的分类准确性得到第三损失函数值；根据第一损失函数值、第二损失函数值和第三损失函数值迭代优化特征提取器及分类器的参数得到训练完成的待迁移模型，解决了由于训练数据与测试数据概率分布不一致，导致深度学习模型决策输出准确性较差的问题。