一种基于熵最小化的迁移学习方法及系统

本发明提供了一种基于熵最小化的迁移学习方法及系统，涉及到深度学习，迁移学习，卷积神经网络等技术，所述方法包括：根据不同的迁移学习任务，构建迁移学习网络并初始化网络超参数；提供了CPEM算法，通过迫使网络预测结果接近目标域的真实类别分布以得到鲁棒性较高的迁移学习网络；保存网络模型以及训练结果，将目标域数据集引入该网络模型，得到最后的目标域标签，本发明提供了一种基于熵最小化的迁移学习方法及系统，在模型的损失函数上提出创新，相比一些现有的基于迁移学习的图像分类方法，分类精度得到了显著的提高。