基于证据理论的多源域深度迁移图像识别方法与系统

本发明提供了一种基于证据理论的多源域深度迁移图像识别方法与系统，包括：通过初始化模块输入多个源域及一个目标域的图像，同时设置损失占比超参数、迭代轮数、不确定性系数和筛选阈值；随后，迁移学习模块针对每个源域‑目标域对执行迁移分类，进而训练得到训练后的单源域迁移识别模型；接着，证据融合模块通过迪利克雷分布，将单源域迁移识别的结果转换为基本信任指派(BBA)，再采用证据理论对这些BBA进行融合，以此确定目标域样本的类别；最后，伪标签生成训练模块依据融合结果生成高置信度伪标签，并通过多轮迭代优化模型。本发明能够有效降低域间分布差异，充分利用各源域的互补特征信息，显著提升目标域图像识别的准确率与鲁棒性。