公开(公告)号：CN115410051A

公开(公告)日：2022-11-29

申请号：CN202211360408.0

申请日：2022-11-02

Applicant: 华中科技大学

Inventor： 李德鹏 ,  王天琦 ,  曾志刚

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80

Abstract: 本发明公开了一种再可塑性启发的连续图像分类方法与系统，属于图像分类技术领域。方法包括，获取随机权神经网络在当前图像分类任务上的输出权值，并构造交叉熵损失函数；对输出权值添加无穷小更新量计算损失函数的变化，通过度量输出权值的重要性得到再可塑性矩阵；利用再可塑性矩阵指导输出权值的更新，实现在新图像分类任务上的学习与记忆融合。本发明建立的连续学习框架用于有效兼容未来非独立同分布图像分类任务以及伴随出现的新类别，不仅实现简单，而且计算损耗低、实时性快；相比现有连续学习算法，本发明在图像分类任务上的人为干预度明显减少，而收敛速度和参数有效性均显著提升。

公开(公告)号：CN115410051B

公开(公告)日：2023-01-24

申请号：CN202211360408.0

申请日：2022-11-02

Applicant: 华中科技大学

Inventor： 李德鹏 ,  王天琦 ,  曾志刚

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80

Abstract: 本发明公开了一种再可塑性启发的连续图像分类方法与系统，属于图像分类技术领域。方法包括，获取随机权神经网络在当前图像分类任务上的输出权值，并构造交叉熵损失函数；对输出权值添加无穷小更新量计算损失函数的变化，通过度量输出权值的重要性得到再可塑性矩阵；利用再可塑性矩阵指导输出权值的更新，实现在新图像分类任务上的学习与记忆融合。本发明建立的连续学习框架用于有效兼容未来非独立同分布图像分类任务以及伴随出现的新类别，不仅实现简单，而且计算损耗低、实时性快；相比现有连续学习算法，本发明在图像分类任务上的人为干预度明显减少，而收敛速度和参数有效性均显著提升。