公开(公告)号：CN113919410A

公开(公告)日：2022-01-11

申请号：CN202110978496.X

申请日：2021-08-25

Applicant: 桂林电子科技大学

Inventor： 莫建文 ,  朱彦桥 ,  肖海林

IPC: G06K9/62 ,  G06V10/764 ,  G06V10/82 ,  G06V10/84 ,  G06V30/19 ,  G06N7/00 ,  G06N3/08

Abstract: 本发明公开了一种增量式图像分类方法及系统。该方法包括：将获取到的训练样本集分为多组；通过多组训练样本对贝叶斯神经网络模型进行训练，通过训练好的贝叶斯神经网络模型对图像进行分类；在贝叶斯神经网络模型的训练过程中，本发明为了缓解由于权值重要性累积所导致的模型分类能力下降问题，引入一个权值选择机制，对权值进行筛选后有针对性地稀释部分权值的正则强度。这种方法在容量固定的场景下，能最大限度地维持了模型对未来图像样本的分类能力，同时又能保护旧任务的分类精度，有效地缓解了基于正则化的增量式图像分类模型的分类能力无法长久保持的问题。

公开(公告)号：CN113919410B

公开(公告)日：2024-05-24

申请号：CN202110978496.X

申请日：2021-08-25

Applicant: 桂林电子科技大学

Inventor： 莫建文 ,  朱彦桥 ,  肖海林

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/84 ,  G06V30/19 ,  G06N7/01 ,  G06N3/047 ,  G06N3/09

Abstract: 本发明公开了一种增量式图像分类方法及系统。该方法包括：将获取到的训练样本集分为多组；通过多组训练样本对贝叶斯神经网络模型进行训练，通过训练好的贝叶斯神经网络模型对图像进行分类；在贝叶斯神经网络模型的训练过程中，本发明为了缓解由于权值重要性累积所导致的模型分类能力下降问题，引入一个权值选择机制，对权值进行筛选后有针对性地稀释部分权值的正则强度。这种方法在容量固定的场景下，能最大限度地维持了模型对未来图像样本的分类能力，同时又能保护旧任务的分类精度，有效地缓解了基于正则化的增量式图像分类模型的分类能力无法长久保持的问题。