一种基于子域自适应的动态视觉分割方法

本发明公开了一种基于子域自适应的动态视觉分割方法，属于机器视觉领域。该方法先获取源域数据集图像样本及标注、目标域图像样本，并构建验证集；用源域数据结合交叉熵损失训练模型，以平均像素准确率验证。接着将源域分类器重构为域判别器，设定迭代次数，通过源域已训练的编码器和分类器对目标域样本特征提取与分类，给源、目标域同类样本分配域标签，用二元交叉熵损失训练编码器和域判别器，反转标签重训。最后选取目标域分类结果与源域一致的样本，与源域数据整合为新数据集，利用对称交叉熵损失进一步训练模型并验证。本发明通过子域对齐，提升域适应效果，缓解类混淆，增强模型泛化能力与推理效率。