-
公开(公告)号：CN116229185A
公开(公告)日：2023-06-06
申请号：CN202310347097.2
申请日：2023-04-03
Applicant: 南京大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06V10/82
Abstract: 本发明公开一种面对开放性环境的持续学习图像分类方法，首先获取图像分类任务的多任务模型、新增数据集及历史数据集。接着，使用域外样本检测，将新增数据集划分为域内数据集及域外数据集，并生成域内数据集的子任务标记。然后，对域外数据集进行域内样本检测，生成域外数据集的子任务标记。随后，将新增数据集与子任务标记合并成为标记数据集，并将标记数据集和历史数据集合并为训练数据集。最终，将训练数据集输入模型进行增量训练，并使用回放策略保存部分数据。预测时，为图像生成子任务标记，模型根据图像及子任务标记进行分类。与现有技术相比，本发明充分考虑了开放环境中数据的多样性和未知性，提升了持续学习场景下的图像分类性能。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
