一种基于去中心化多源域适应的隐私图像分类方法

本发明公开了一种去中心化多源域适应的跨域图像分类方法，属于多源跨域隐私图像分类领域，包括使用ResNet作为主干网络构建预训练模型，提取源域图像底层特征；改造批量归一化层结构，搭建匹配归一化层结构；使用聚合模型在目标域生成伪标签，并通过对抗攻击筛选高质量伪标签；采用自监督学习策略，增强模型泛化能力与自信程度；通过多重细粒度对齐来实现高效的去中心化多源域适应过程；在构建模型时通过匹配归一化层的构造，实现分散训练时的最大均值差异方法；在目标域模型训练阶段，通过对抗攻击实现对伪标签的高效筛选，保证高效训练目标域模型，本发明在多源隐私数据领域，可以获得同行业领先的优异性能。