基于多数据集的特征提取网络的训练及特征提取方法

摘要

本发明涉及图像处理技术领域，具体涉及基于多数据集的特征提取网络的训练及特征提取方法，训练方法包括获取多个样本数据集；依次将任意两个样本数据集中的样本图像输入特征提取网络中，得到与样本图像对应的特征；对所有样本图像对应的特征进行梯度反转，得到与样本图像对应的梯度反转处理结果；基于梯度反转处理结果，确定任意两个样本数据集之间的推土机距离；根据推土机距离对特征提取网络进行训练，以得到目标特征提取网络。在梯度反转处理结果的基础上通过计算任意两个样本数据集之间的推土机距离，由于推土机距离在两个分布没有重叠时仍然能够反映出两个分布之间的远近，从而可以在很大程度上缓解了GRL中出现的梯度弥散现象。