買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京工業大學申請的專利基于對比對抗學習的領域自適應方法及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114065861B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111363731.9，技術領域涉及：G06F18/2413；該發明授權基于對比對抗學習的領域自適應方法及裝置是由孫艷豐;陳亮;王少帆設計研發完成，并于2021-11-17向國家知識產權局提交的專利申請。

本基于對比對抗學習的領域自適應方法及裝置在說明書摘要公布了：基于對比對抗學習的領域自適應方法及裝置，在源域數據上使用損失函數Lclsxs，ys訓練整個網絡模型，固定特征提取器中參數，僅更新分類器C1和C2，最小化分類器分類損失以及最大化分類器對目標域樣本判別差異，固定分類器C1和C2中的參數，使用Ldis更新特征提取器中的參數，在這一步驟中保留了自適應損失項。分類器C1和C2分別使用不同的數據增強方式的特征，因此保障了分類器的多樣性，使得雙分類器能夠更高效的找出處于分類邊界的樣本，使得模型學習到的特征含有更多有效信息，從而較好地解決無監督領域自適應問題，在傳統基于雙分類器對抗方法的基礎上，不僅考慮分類器在目標域上的決策邊界，同時也進一步關注域間差異。

本發明授權基于對比對抗學習的領域自適應方法及裝置在權利要求書中公布了：1.基于對比對抗學習的領域自適應方法，其特征在于：該方法包括以下步驟： 1在源域數據上使用損失函數Lclsxs，ys訓練整個網絡模型，優化過程定義為公式1： 其中，Lce·，·是交叉熵損失，θg，θc1θc2分別是特征網絡G，C1，C2中的參數； 2固定特征提取器中參數，僅更新分類器C1和C2，最小化分類器分類損失以及最大化分類器對目標域樣本判別差異，損失函數為公式2： 其中，Ldis·，·表示雙分類器對目標域樣本判別差異僅更新分類器中的參數，同時模型加入分布對齊損失并最小化特征相似度，定義為公式7： 其中，θc1，θc2分別代表了分類器C1和C2中的參數，λ和η分別代表損失函數中的平衡參數； 3固定分類器C1和C2中的參數，使用Ldis更新特征提取器中的參數，在這一步驟中保留了自適應損失項，定義為公式8： 所述步驟1中，首先采用隨機數據增強的方式將xi增強兩次分別獲得和然后兩個視角的數據同時送入特征提取器，經過分類器中的隱藏層映射后獲得不同視角的特征和 所述步驟2中，使用余弦相似度度量不同視角特征之間的差異，為公式4： 其中，表示和之間的余弦相似度，兩個分類器期望最小化和之間的余弦相似度，而特征提取器期望最大化兩者的相似度； 所述步驟2中，使用MLP以及梯度停止技巧防止模式崩塌，帶有對稱關系分類器差異損失為公式5： 其中，模塊M的輸入和輸出維度一致以滿足向量余弦相似度計算的需要； 所述步驟3中，使用SlicedWasserstein距離減小源域和目標域數據標簽分布的差異，使得目標域數據向著正確的方向移動，自適應損失為公式6： 其中，fs和ft分別表示源域和目標域特征； 該方法應用到Image-CLEF-DA數據集，該數據集由三個子域構成，分別是Caltech-256C，ImageNetILSVRC2012I以及Pascalvoc2012P，整個數據集中含有1800張圖片樣本，每一個子域中分別含有600張圖片樣本并包含有12個類別。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京工業大學，其通訊地址為：100124 北京市朝陽區平樂園100號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。