申请/专利权人：之江实验室

申请日：2023-09-12

公开（公告）日：2023-12-01

公开（公告）号：CN117152570A

主分类号：G06V10/778

分类号：G06V10/778;G06V10/764;G06V10/82;G06N3/091;G06N5/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.19#实质审查的生效;2023.12.01#公开

摘要：本说明书公开了一种自主持续学习方法、装置、存储介质及电子设备。在本说明书提供的自主持续学习方法中，获取目标图像，确定目标图像的图像类别；将目标图像输入持续学习推理模型，得到推理结果的置信度；将置信度不大于预设阈值的目标图像确定为待定图像；根据待定图像的图像类别，确定待定图像与预设的标准图像之间的相似度；根据置信度、相似度，以及当前样本池中样本图像的样本数量，确定待定图像的第一概率和第二概率；当第一概率不小于第一指定阈值时，将待定图像确定为样本图像；当第二概率不小于第二指定阈值时，采用样本图像对所述持续学习推理模型进行训练。

主权项：1.一种自主持续学习方法，其特征在于，包括：获取目标图像，并确定所述目标图像的图像类别；将所述目标图像输入预先训练的持续学习推理模型，得到所述持续学习推理模型输出的推理结果的置信度；将所述置信度不大于预设阈值的目标图像确定为待定图像；根据所述待定图像的图像类别，确定所述待定图像与预设的标准图像之间的相似度；根据所述置信度、所述相似度，以及当前样本池中样本图像的样本数量，确定所述待定图像的第一概率和第二概率，其中，所述第一概率表示所述待定图像作为样本图像的概率，所述第二概率表示所述待定图像开启持续学习的概率；当所述第一概率不小于第一指定阈值时，将所述待定图像确定为样本图像，加入所述样本池；当所述第二概率不小于第二指定阈值时，采用所述样本池中的样本图像对所述持续学习推理模型进行训练。

全文数据：

权利要求：

百度查询： 之江实验室 一种自主持续学习方法、装置、存储介质及电子设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD