融合对抗解耦与特征对齐的野生动物图像开集域适应方法

　　摘要： 野生动物是生态系统的重要组成部分, 高效的图像识别与监测对其保护具有重要意义。在野生动物图像识别的实际应用中, 由于环境背景复杂所引发的跨域分布差异, 以及目标域中未知物种的干扰, 常常导致模型泛化性能的降低。针对上述挑战, 本文提出一种融合对抗解耦与特征对齐的野生动物图像开集域适应方法。首先, 基于残差网络ResNet50构建域对抗网络, 再采用融合中心对齐与正交投影的双重优化策略, 通过增强已知类别的判别性进一步解耦未知类别的特征空间, 最后构建融合对抗解耦与特征对齐的野生动物开集域适应识别模型。实验结果表明, 所提出的方法在包含8类与11类野生动物的域适应数据集上进行训练与评估, 分别获得了48.95%和46.38%的Average-HOS值, 与最佳对比方法相比, Average-HOS值分别提升了14.73%和9.53%。与基线模型相比, 所提方法在开集域适应任务中展现出显著的性能优势。本文提出的融合对抗解耦与特征对齐的协同优化方法, 能有效解决野生动物识别任务中域偏移与未知类别干扰难题, 进而提升模型在开放场景下的跨域泛化及未知类别识别能力。