申请/专利权人:电子科技大学
申请日:2023-12-22
公开(公告)日:2024-03-22
公开(公告)号:CN117746144A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/82;G06V10/44;G06V10/77;G06V10/774;G06N3/045;G06N3/088;G06N3/0895;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:该发明公开了一种基于交替任务判别的无监督连续学习的图像分类方法,属于无监督连续学习的图像分类领域。本发明首次提出利用自监督辅助任务来帮助深度学习模型保留过去编码信息的记忆,从而具有克服灾难性遗忘的能力。发明的主要创新点在于设计了任务判别辅助任务,同时提出交替优化训练方法,保证了无监督连续学习表征的有效性和连续性。相比于基于重演、正则的无监督连续学习方法,该方法简单而高效,在保证模型抗遗忘能力的前提下极大地降低了对过去数据信息的依赖。
主权项:1.一种基于交替任务判别的无监督连续学习的图像分类方法,该方法包括:第1步:初始化特征提取网络fθ·,在首个数据流上进行无监督连续学习表征优化训练,训练出一个特征提取网络fθ·;第2步:构建一个判别器fω·,根据特征提取网络fθ·和判别器fω·来计算图像特征映射结果第3步:对特征提取网络fθ·和判别器fω·进行交替优化训练;第4步:判断已训练数据流是否是最后一个数据流,如果是执行第5步;否则在下一个数据流重新执行第3步;第5步:为训练好的特征提取网络fθ·添加一个分类器;第6步:在目标数据集上微调分类器;第7步:采用训练好的特征提取网fθ·和分类器一起对图像进行分类。
全文数据:
权利要求:
百度查询: 电子科技大学 一种基于交替任务判别的无监督连续学习的图像分类方法
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。