公开(公告)号：CN116977718A

公开(公告)日：2023-10-31

申请号：CN202310800277.1

申请日：2023-06-30

Applicant: 南开大学

Inventor： 刘夏雷 ,  曹续生 ,  程明明

IPC: G06V10/764 ,  G06V10/774

Abstract: 本发明属于图像分类技术领域，提供了一种基于类增量学习的图像分类方法及系统，包括：将待分类图像输入训练好的图像分类模型，得到待分类图像的类别；其中，图像分类模型包括图像特征提取器、文本特征提取器以及设置于所述图像特征提取器之后的线性适配器；在训练过程中，保持图像特征提取器和文本特征提取器不变；且，每次训练任务中，对线性适配器的参数进行更新后，计算更新后的参数与未更新的参数的差值的绝对值，并基于所述差值的绝对值，在更新后的参数与未更新的参数中进行选择，以更新线性适配器。实现了在保留先前任务的知识的同时，能够随着新图像数据学习新知识，将旧知识和新知识进行整合，提高了模型进行图像分类的准确性。

公开(公告)号：CN117079011A

公开(公告)日：2023-11-17

申请号：CN202310883422.7

申请日：2023-07-18

Applicant: 南开大学

Inventor： 曹续生 ,  卢浩日 ,  刘夏雷 ,  程明明

IPC: G06V10/764 ,  G06V10/74 ,  G06V10/774

Abstract: 本发明公开了基于分布外检测的图像类增量学习方法及系统，其中所述方法，包括：获取待检测图像以及训练后的分类器列表C；取出训练后的分类器列表C中的最后一个分类器，将取出的分类器的输入端与图像特征提取器的输出端连接得到最后一个图像学习模型，将待检测图像输入到最后一个图像学习模型中，输出待检测图像的图像类别，如果待检测图像的图像类别为分布外类别，则采用，列表中的下一个分类器进行分类，如果待检测图像的图像类别为分布内类别，则采用文本特征与图像特征提取器所求的图像特征之间的相似度，对待检测图像的图像类别做出进一步的判断。本发明可以提升分布外检测的性能。