公开(公告)号：CN119888324A

公开(公告)日：2025-04-25

申请号：CN202411947015.9

申请日：2024-12-27

Applicant: 中国科学院计算技术研究所

Inventor： 黄礼泊 ,  安竹林 ,  赵嘉瑞 ,  徐勇军

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明提供一种基于类增量学习的图像分类模型及其训练方法、分类方法。分类模型包括求解器和特征生成器。其中，求解器包括特征提取器、分类器以及多个辅助分类器。特征提取器用于根据输入的任务进行特征提取输出最终特征。分类器用于根据最终特征对任务进行分类。辅助分类器用于在模型训练时根据学习模块的输出生成嵌入蒸馏的嵌入知识。特征生成器用于在分类器的指导下生成历史任务的生成特征，并将生成特征与当前任务特征通过损失拟合以训练求解器。本发明可以将嵌入在网络中间块中的更丰富的知识从旧的冻结特征提取器迁移到当前的特征提取器来防止特征提取器遗忘，而无需存储历史任务数据或原型。