买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京工业大学申请的专利基于对比对抗学习的领域自适应方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114065861B 。

龙图腾网通过国家知识产权局官网在2025-08-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111363731.9，技术领域涉及：G06F18/2413；该发明授权基于对比对抗学习的领域自适应方法及装置是由孙艳丰;陈亮;王少帆设计研发完成，并于2021-11-17向国家知识产权局提交的专利申请。

本基于对比对抗学习的领域自适应方法及装置在说明书摘要公布了：基于对比对抗学习的领域自适应方法及装置，在源域数据上使用损失函数Lclsxs，ys训练整个网络模型，固定特征提取器中参数，仅更新分类器C1和C2，最小化分类器分类损失以及最大化分类器对目标域样本判别差异，固定分类器C1和C2中的参数，使用Ldis更新特征提取器中的参数，在这一步骤中保留了自适应损失项。分类器C1和C2分别使用不同的数据增强方式的特征，因此保障了分类器的多样性，使得双分类器能够更高效的找出处于分类边界的样本，使得模型学习到的特征含有更多有效信息，从而较好地解决无监督领域自适应问题，在传统基于双分类器对抗方法的基础上，不仅考虑分类器在目标域上的决策边界，同时也进一步关注域间差异。

本发明授权基于对比对抗学习的领域自适应方法及装置在权利要求书中公布了：1.基于对比对抗学习的领域自适应方法，其特征在于：该方法包括以下步骤： 1在源域数据上使用损失函数Lclsxs，ys训练整个网络模型，优化过程定义为公式1： 其中，Lce·，·是交叉熵损失，θg，θc1θc2分别是特征网络G，C1，C2中的参数； 2固定特征提取器中参数，仅更新分类器C1和C2，最小化分类器分类损失以及最大化分类器对目标域样本判别差异，损失函数为公式2： 其中，Ldis·，·表示双分类器对目标域样本判别差异仅更新分类器中的参数，同时模型加入分布对齐损失并最小化特征相似度，定义为公式7： 其中，θc1，θc2分别代表了分类器C1和C2中的参数，λ和η分别代表损失函数中的平衡参数； 3固定分类器C1和C2中的参数，使用Ldis更新特征提取器中的参数，在这一步骤中保留了自适应损失项，定义为公式8： 所述步骤1中，首先采用随机数据增强的方式将xi增强两次分别获得和然后两个视角的数据同时送入特征提取器，经过分类器中的隐藏层映射后获得不同视角的特征和 所述步骤2中，使用余弦相似度度量不同视角特征之间的差异，为公式4： 其中，表示和之间的余弦相似度，两个分类器期望最小化和之间的余弦相似度，而特征提取器期望最大化两者的相似度； 所述步骤2中，使用MLP以及梯度停止技巧防止模式崩塌，带有对称关系分类器差异损失为公式5： 其中，模块M的输入和输出维度一致以满足向量余弦相似度计算的需要； 所述步骤3中，使用SlicedWasserstein距离减小源域和目标域数据标签分布的差异，使得目标域数据向着正确的方向移动，自适应损失为公式6： 其中，fs和ft分别表示源域和目标域特征； 该方法应用到Image-CLEF-DA数据集，该数据集由三个子域构成，分别是Caltech-256C，ImageNetILSVRC2012I以及Pascalvoc2012P，整个数据集中含有1800张图片样本，每一个子域中分别含有600张图片样本并包含有12个类别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。