基于因果关系和特征对齐的图像分类域泛化模型

针对现有域泛化方法性能较差或缺乏理论可解释性的缺点,提出了一种基于因果关系和特征对齐的图像分类域泛化模型,并证明了该模型的可识别性。该模型利用域泛化中的因果关系来学习含有不同信息的特征,将域泛化问题转化为特征相关分布的偏移,再利用特征对齐消除偏移。为提高模型的性能,采用对抗训练进一步优化学到的特征。在公共数据集上的实验结果表明,新提出的模型与目前最优的方法性能相当,表明该模型具有理论可解释性的同时,还有不俗的实际性能表现。