基于旋转网络的分类模型的训练和分类方法及相关装置

本发明涉及一种基于旋转网络的分类模型的训练和分类方法及相关装置。方法包括：获取目标域图像集、增强图像集、旋转图像集和真实标签集；将增强图像集、旋转图像集和目标域图像集输入至特征提取网络，提取增强特征、旋转特征和目标特征；将目标特征输入至分类网络，生成预测结果，计算分类差异度；将增强特征和旋转特征输入至旋转分类网络，计算旋转预测差异度；将增强特征和旋转特征输入至映射网络，计算对比学习差异度；将旋转预测差异度、分类差异度和对比学习差异度加权处理，得到总差异度，更新旋转网络和特征提取网络的参数，并从中提取特征提取网络和分类网络组成图像分类模型。本发明可实现无源域数据的图像分类模型的训练。