买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：清华大学

摘要：本申请提供了一种基于小样本持续学习的图像分类方法、装置及存储介质。其中方法包括：S1，获取图片样本数据集，包括用于预训练的大样本数据集和多个用于新任务训练的小样本数据集；S2，通过大样本数据集对模型进行训练，并存储每个类别的特征中心以及回放样本；S3，通过小样本数据集以及存储的每个类别的特征中心以及回放样本对模型进行训练，并计算模型的多个损失；S4，将多个所述损失加权求得总的损失函数，通过梯度下降算法对模型进行更新，存储每个类别的特征中心以及回放样本；S5，重复步骤S3、S4，直到所有新任务的小样本数据集完成学习，得到最终的模型分类器。本方法更加符合人的学习与记忆过程，避免发生灾难性遗忘问题。

主权项：1.一种基于小样本持续学习的图像分类方法，其特征在于，包括：S1，获取图片样本数据集，所述样本数据集包括用于预训练的大样本数据集和多个用于新任务训练的小样本数据集；S2，通过所述大样本数据集对模型进行训练，并存储每个类别的特征中心以及回放样本；S3，通过所述小样本数据集以及存储的每个类别的特征中心以及回放样本对当前模型进行训练，并计算模型的多个损失；S4，将多个所述损失加权求得总的损失函数，通过梯度下降算法对模型进行更新，模型更新后，存储每个类别的特征中心以及回放样本；S5，重复步骤S3和步骤S4，直到所有新任务的小样本数据集完成对模型的学习，得到最终的模型分类器；所述新任务对应的小样本数据集包括两种情形，第一种为任务边界分明的情形，每一个新任务对应的小样本数据集单独出现；第二种为无任务边界情形，多个新任务对应的小样本数据集随机出现；针对N+1个学习任务，第一个为大样本数据集的预训练任务，N个为小样本持续学习的新任务，N+1个任务对应的样本数据集为其中，为第t个任务的样本数据集，为第t个任务样本的总数，为第t个任务的第j个样本图片，为第t个任务的第j个样本的类别标记；其中，第一种情形满足如下条件： 其中，Lt表示第t个任务训练数据的类别；第二种情形满足如下条件：大样本数据集记为小样本数据集记为用L0表示大样本数据集中数据的类别，LI表示小样本数据集中数据的类别，则所述每个类别的特征中心的计算方法包括：对于大样本数据集中的类别c以及第一种情形下的小样本数据集对应的类别c，通过第一公式计算该类别对应的特征中心，所述第一公式表示如下： 其中，Dc是c类的样本数据集，为特征提取器；对于第二种情形下的小样本数据集对应的类别c，其特征中心通过第二公式得到，所述第二公式表示如下：|Dc|＝|D′c|+1 其中，x为当前出现的样本且对应的y＝c，D′c为样本x出现之前c类样本的集合，μ′c为样本x出现之前c类样本的特征均值，μc与|Dc|为调整后的类别均值与数量。

全文数据：

权利要求：

百度查询： 清华大学 基于小样本持续学习的图像分类方法、装置及存储介质