一种在开集测试时自适应环境中的图像分类方法

本发明属于图像分类以及测试时适应技术领域，具体公开了一种在开集测试时自适应环境中的图像分类方法。本发明方法设计了一个基于双模式匹配的开集样本识别策略以及一个配对分布差异损失，通过精确的开集样本识别与鲁棒的开集表征学习，提高模型对开集样本的辨别能力，能够在数据以流式到来的场景下，以非迭代的方式快速、高效的识别出可靠的闭集样本和潜在的开集样本。在每个测试批次到来时，本发明通过双模式匹配策略快速识别开集样本，这一精准识别能力，让模型不会将开集样本错误地归类到已知类别中，避免了错误分类的发生。通过优化配对分布差异损失，模型对于那些难以区分的开集样本有了更强的适应能力，从而极大地提高了图像分类的准确性。