基于深度学习的持续学习图像分类方法及装置
实质审查的生效
摘要
本发明公开了一种基于深度学习的持续学习图像分类方法及装置，方法包括下述步骤：构建具有任务特定批归一化的任务持续学习模型，所述任务持续学习模型的特征提取器中所有卷积核的参数在所有任务中都是固定的，在学习每个新任务时，每个卷积核中对应的批归一化层BN的参数与任务特定的分类头一起学习；对任务持续学习模型进行增量式训练，在新任务来临时，加入新的任务特定的批归一化层和分类头；在完成增量式训练后得到训练好的任务持续学习模型，将待分类的图像任务输入训练好的任务持续学习模型，完成分类任务。本发明利用任务持续学习模型中存在的批量归一化BN有效地解决灾难性遗忘问题。
基本信息
专利标题 ：
基于深度学习的持续学习图像分类方法及装置
专利标题（英）：
暂无
公开（公告）号 ：
CN114463605A
申请号 ：
CN202210381239.2
公开（公告）日 ：
2022-05-10
申请日 ：
2022-04-13
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
许俊杰王瑞轩谢旭辰黄钰竣
申请人 ：
中山大学
申请人地址 ：
广东省广州市海珠区新港西路135号
代理机构 ：
广州市华学知识产权代理有限公司
代理人 ：
李斌
优先权 ：
CN202210381239.2
主分类号 ：
G06V10/82
IPC分类号 ：
G06V10/82 G06V10/44 G06V10/764 G06V10/774 G06N3/04 G06N3/08 G06K9/62
法律状态
2022-05-27 ：
实质审查的生效
IPC(主分类) : G06V 10/82
申请日 : 20220413
申请日 : 20220413
2022-05-10 ：
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
