基于测试时训练的高光谱单源领域泛化方法和存储介质

本申请公开了基于测试时训练的高光谱单源领域泛化方法和存储介质，对原始高光谱图像数据域随机化构建多个虚拟源域；对齐虚拟源域的Hessian矩阵学习域不变知识，据此确定损失函数并训练元源模型。元目标适应时，依据虚拟目标域样本及近邻伪标签，经变分后验推理得对虚拟目标域的观测动态推断模型最大后验概率值。元目标测试中，基于最大后验概率值约束，最大化虚拟目标域样本与真实标签对数似然以优化元源模型，推导元目标损失确定更新规则，在虚拟目标域评估并指导优化。元目标测试阶段，为测试目标域样本分配近邻伪标签，得出实际目标域样本预测类别。本申请在目标域数据源域训练期间不可访问的条件下提升模型的跨域泛化能力。