面向连续测试场景的图像分类方法、装置和计算机设备

本申请涉及一种面向连续测试场景的图像分类方法、装置和计算机设备。所述方法包括：获取预先训练好的图像分类模型；将待分类的图像输入所述图像分类模型，并向图像分类模型中的批归一化层中引入矩阵式噪声，得到图像分类结果。为了缓解图像分类模型在连续测试场景下可能存在的过拟合问题，本发明探索了连续循环测试场景中扰动噪声与图像分类模型泛化之间的关系，引入了一种轻便而有效的无参数方法，其将矩阵级的扰动噪声添加到批量归一化统计参数中，可以更好地完成域转移下源预训练模型适应目标域的图像分类任务。