申请/专利权人：华东师范大学

申请日：2024-01-05

公开（公告）日：2024-04-02

公开（公告）号：CN117808041A

主分类号：G06N3/0442

分类号：G06N3/0442;G06N3/045;G06N3/096;G06N3/09;G06N3/0985

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种基于多质心任务描述子的动态类增量推理方法，涉及计算机技术领域，深度学习，增量学习领域，具体来说是一种利用多质心任务描述子的门控网络，实现动态类增量推理的方法。本方法在现有多分支类增量学习模型基础上新增一个门控网络，该网络由两部分组成，一是用于提取特征的网络，二是属于每个任务的多个可学习质心。训练时首先将输入图片和质心做匹配得到图片的正负质心，不断拉近相关质心推远无关质心。预测时用该门控网络做动态类增量推理，根据门控网络输出的图片属于每个任务的概率对原有多分支网络的输出做动态融合后得到预测结果。

主权项：1.一种基于多质心任务描述子的动态类增量推理方法，其特征在于，该方法包括如下步骤：步骤一：初始化多分支网络、门控网络；步骤二：当新任务来临的时候，将多分支网络做一个扩展，分配一个特征提取器，两个分类器，一个主分类器负责预测当前任务包含类别，另一个辅助分类器不仅负责预测当前任务类别，还会将所有过去类别预测为同一个类；门控网络的骨干网络保持不变，但对每个任务分配多个质心；步骤三：将不同分支主分类器的输出拼接得到最后的预测结果，用交叉熵损失对多分支网络做训练；步骤四：对于训练批次中包含的每个类，取其对应多张图片特征向量的均值作为原型点，用多质心匹配算法在每个任务内匹配原型和质心，得到原型和质心的对应关系，根据每个样本对应的类别，得到每个样本对应的最优质心；步骤五：训练门控网络，减少样本和最优质心的距离，增大样本与无关质心的距离，同时又借用多分支网络的输出做蒸馏；步骤六：当有新任务过来时，重复步骤二到五；步骤七：在完成上述训练过程后，使用该网络实现动态类增量推理，使用门控网络预测输入图片所属任务概率，最终预测结果为多分支网络的输出乘上该任务概率的结果。

全文数据：

权利要求：

百度查询： 华东师范大学 一种基于多质心任务描述子的动态类增量推理方法

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。

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