龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江工业大学
摘要：一种基于知识桥接和类别锚定的类增量学习方法，该方法通过知识桥接和类别锚定分别缓解灾难性遗忘问题和提升模型类增量学习整体性能；知识桥接旨在建立旧类别和新类别的语义相关性，利用特征级别的蒸馏将已学习的知识应用于学习新信息；类别锚定专注于学习对于明显区分所有类别至关重要的类别特定特征中心。通过结合本发明提出的基于知识桥接和类别锚定的类增量学习方法，原有模型能够在增量学习任务中取得更好的性能，并有效地减轻了灾难性遗忘现象。
主权项：1.一种基于知识桥接和类别锚定的类增量学习方法，其特征在于，所述方法包括以下步骤：步骤一：训练图像分类模型和数据缓存，过程如下：S11、输入：新任务的图像数据和之前任务的缓存区，所述缓存区中包含了之前任务的图像数据，所述缓存区初始为空；S12、处理：将新任务图像数据输入到图像分类模型中进行训练，训练完成后，一部分新任务图像数据将被添加到缓存区中，与之前任务的图像数据混合；S13、输出：经过训练后的图像分类模型，以及更新后的图像数据缓存器；步骤二：知识桥接和类别锚定，过程如下：S21、将步骤一中更新后的图像数据缓存区与新任务图像数据混合输入；S22、图像分类模型将同时处理新任务图像数据和缓存区中的旧任务图像数据，图像分类模型会分别计算新任务数据的分类损失和旧任务数据的蒸馏损失，以便适应新任务和巩固旧任务知识；S23、蒸馏过程：图像分类模型使用知识桥接和类别锚定的技术分别计算蒸馏损失和分类损失，包括从新旧任务类别中提取类级别关联信息以及类特征中心的知识，将这些知识应用到当前图像分类模型的整体训练过程中；S24、综合损失：图像分类模型会综合考虑分类损失和蒸馏损失，以优化整体性能，这有助于控制灾难性遗忘，平衡可塑性和稳定性；S25、经过蒸馏损失和分类损失计算后的图像分类模型，已经适应了新任务并考虑了旧任务的知识。
全文数据：
权利要求：
百度查询： 浙江工业大学 一种基于知识桥接和类别锚定的类增量学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号