针对基于单一领域主动学习的图像分类方法不能利用不同领域图像共同特征导致标记效率低下的问题，提出一种基于跨领域主动学习的图像分类方法。由不同领域图像学习出含共同隐特征的子空间，综合考虑共同特征和领域相关特征，将数据实例引起的模型损失减少量分解到一个共同部分和领域相关部分，从而领域间的共同信息可以编码到模型损失减少的共同部分并用来进行查询。实验结果显示该方法相对于单一模型学习和混合模型学习方法可以减少将近30%的标记工作，并且可以获得更高的精度，表明该方法可以更高效地运用于各种图像分类任务。
