-
公开(公告)号：CN119863644A
公开(公告)日：2025-04-22
申请号：CN202411759640.0
申请日：2024-12-03
Applicant: 北京交通大学
IPC: G06V10/764 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0895
Abstract: 本发明提供了一种基于在线半监督增量学习的图像分类方法及系统，属于计算机视觉领域。所述方法获取线上新批次数据，并同步更新缓存区样本；同时获取此时特征提取模型的参数，作为第一模型参数；将新批次数据和缓存区样本进行数据增强得到双视图并进行特征提取，进行实例级别和伪标签级别的双对比学习，并更新模型参数作为第二模型参数；若为第一次双对比学习，从负样本中剔除置信度超过对应类别阈值的样本，将此时的模型参数作为第三模型参数；此后，通过费歇尔信息矩阵对三个模型参数加权后进行集成学习。本发明实现了对在线半监督数据流的高效增量学习，提高了半监督增量学习模型在线上数据流下学习的可塑性和稳定性，提高了图像分类的准确率。
Search Results
1
records
(took 0.015 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
