该研究提出的域泛化框架

针对这一问题，实验室机器智能课题组提出了一种加权标签平滑正则化（weighted label smoothing regularization）方法。相关研究以Label smoothing regularization-based no hyperparameter domain generalization为题在Knowledge-Based Systems发表。

该方法通过加权标签平滑正则化引入类间监督，使得模型更加关注类别之间的相对关系而不是绝对差异，从而帮助模型学习到更通用的特征，缓解网络的过拟合特性，提高模型对未知新数据的泛化能力。此外，权重自适应技术寻求迁移性和判别性之间的平衡，使网络更新更加稳定。该研究成果为解决现实世界不同光线、不同天气场景下的视觉感知问题提供了新思路。

本研究得到了国家自然科学基金项目、中国科学院青促会项目、辽宁省“揭榜挂帅”科技计划项目以及沈阳自动化所基础研究项目支持。

论文链接：https://www.sciencedirect.com/science/article/pii/S0950705124015119

Doi: 10.1016/j.knosys.2024.112877