一种跨域场景下的半监督小样本图像分类方法及系统

本发明涉及一种跨域场景下的半监督小样本图像分类方法及系统，涉及深度学习与机器学习技术领域，包括：预训练特征提取器和自监督编码器；利用特征提取器和自监督编码器中，分别得到初始特征和内在特征，融合后得到融合特征；通过聚类算法生成初始伪标签，再根据聚类有效性指标对初始伪标签进行筛选，得到高质量伪标签；构建混合损失函数，利用混合损失函数，在混合训练样本上对特征提取器进行更新；将待分类的样本输入至更新后的特征提取器中，输出待分类的样本的类别。本发明解决了现有技术在处理域差异显著的小样本学习任务时，因伪标签质量较低而导致模型训练不稳定、泛化能力弱的技术问题。