一种无源持续场景中的域适应图像识别分类方法、存储介质及电子设备

本发明涉及机器学习领域，为一种无源持续场景中的域适应图像识别分类方法、存储介质及电子设备，其方法包括步骤：对源域数据增强处理，构造混淆矩阵；对混淆矩阵进行语义重组，获得负样本数据集；使用负样本数据集和源域数据对图像质量量化模型进行训练；对目标数据集的图像样本进行不变性量化处理；对目标模型进行训练，在每个训练轮次结束时对当前增量任务中的目标域图像数据进行特征提取并存储提取处理结果；进行源标签识别；优化目标模型的总损失函数，对目标模型进行训练与优化，获得最终的目标模型，以在无源持续自适应场景下对目标域图像进行识别。解决了无源持续域适应中因域偏移引起的性能下降问题。