基于自适应对比学习的开放世界图像分类方法

本发明属于图像分类技术领域，具体是一种基于自适应对比学习的开放世界图像分类方法。首先，利用源域数据对预训练分类模型进行训练，得到源域训练分类模型；对预训练分类模型从源域样本中提取的特征向量进行聚类，得到各类别的聚类中心；然后，利用目标域数据对源域训练分类模型进行测试时训练，在训练过程中对目标域数据进行增强，并通过样本对的对比学习对模型进行优化；同时，通过类别对、强OOD类别聚类中心以及源域与目标域特征分布的对齐对模型进行训练与优化；最后，计算源域训练分类模型从目标域样本中提取的特征向量与各个目标域类别聚类中心的余弦相似度，最大余弦相似度对应的目标域类别即为目标域样本的预测类别标签。该方法提升了模型对未知类别的适应性和识别能力，在遇到域转移和未知类别的样本时也能保持分类稳定性，有效减少了误分类。