基于多层次自适应特征融合类增量学习的图像分类方法
公开
摘要
本发明公开了一种基于多层次自适应特征融合类增量学习的图像分类方法，包括步骤1，第一次训练，获得第1图像样例集和训练完成的第1模型；步骤2，当需要识别新类型时，进行增量更新，第M次增量更新后，获得第M+1模型，以及第M模型和第M+1模型的融合系数；M表示增量更新的次数，为大于等于1的自然数；步骤3，测试时使用第M+1模型和第M模型按照融合系数进行特征融合，输出预测结果。该方法解决了当前物体识别算法无法持续学习新类别、新知识，以及类增量学习算法不能有效利用旧模型的信息，对旧知识的遗忘程度大的问题。
基本信息
专利标题 ：
基于多层次自适应特征融合类增量学习的图像分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114612721A
申请号 ：
CN202210253528.4
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-15
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
杨若瑜周子杰
申请人 ：
南京大学
申请人地址 ：
江苏省南京市栖霞区仙林大道163号
代理机构 ：
江苏圣典律师事务所
代理人 ：
胡建华
优先权 ：
CN202210253528.4
主分类号 ：
G06V10/764
IPC分类号 ：
G06V10/764 G06V10/774 G06V10/82 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-06-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
