【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及基于机器学习的图像处理技术。
技术介绍
1、人能够通过长期的经验来学习新的知识，能够维持不忘记过去的知识。另一方面，卷积神经网络(convolutional neural network(cnn))的知识依赖于学习中使用的数据集，为了适应数据分布的变化，需要对数据集整体进行cnn的参数的再学习。在cnn中，随着对新的任务进行学习，针对过去的任务的推测精度降低。这样，如果在cnn中进行持续学习，则无法避免在新任务的学习中忘记过去任务的学习结果的致命性遗忘(catastrophicforgetting)。
2、作为避免致命性遗忘的方法，提出了持续学习(incremental learning或continual learning)。持续学习是指在产生了新的任务、新的数据时，不是从最初起学习模型，而是改善当前的已学习的模型来进行学习的学习方法。作为持续学习的一种方法，有基于正则化的持续学习，利用正则化损失进行学习(专利文献1)。
3、在先技术文献
4、专利文献
5、专利文献1：国际公开第2017/145852号公报
6、非专利文献
7、非专利文献1：thomas mensink,jakob verbeek,florent perronnin,gabrie lacsurka,“distance-based image classification:generalizing to new classes atnear-zero cost”,ieee tr
8、非专利文献2：lu yu,bartlomiej twardowski,xialei liu,luis herranz,kaiwang,yongmei cheng,shangling jui,joost van de weijer,“semantic driftcompensation for class-incremental learning”,2020computer vision and patternrecognition,pp 6982-6991.
9、非专利文献3：hanbin zhao,yongjian fu,mintong kang,qi tian,fei wu,xili,“mgsvf:multi-grained slow vs.fast framework for fen-shot class-incrementallearning”,arxiv:2006.15524,2021.
技术实现思路
1、在专利文献1所记载的技术中，存在无法充分减少致命性遗忘的课题。
2、本专利技术是鉴于这样的状况而完成的，其目的在于提供一种能够减少致命性遗忘的基于机器学习的图像处理技术。
3、为了解决上述课题，本实施方式的某个方式的图像处理装置包括：基本类别选择部，针对输入数据，基于由已学习基本类别的基本神经网络输出的嵌入矢量和基本类别的重心矢量来选择基本类别；持续学习部，使用已学习基本类别的追加神经网络，持续学习追加类别；追加类别选择部，针对所述输入数据，基于由持续学习后的所述追加神经网络输出的嵌入矢量、基本类别和追加类别的重心矢量来选择追加类别；以及分类决定部，基于由所述基本类别选择部选择的基本类别和由所述追加类别选择部选择的追加类别，对所述输入数据进行类别分类。
4、本实施方式的其他方式是图像处理方法。该方法包括：包括：基本类别选择步骤，针对输入数据，基于由已学习基本类别的基本神经网络输出的嵌入矢量和基本类别的重心矢量来选择基本类别；持续学习步骤，使用已学习基本类别的追加神经网络，持续学习追加类别；追加类别选择步骤，针对所述输入数据，基于由持续学习后的所述追加神经网络输出的嵌入矢量、基本类别和追加类别的重心矢量来选择追加类别；以及分类决定步骤，基于通过所述基本类别选择步骤选择出的基本类别和通过所述追加类别选择步骤选择出的追加类别，对所述输入数据进行类别分类。
5、另外，将以上的构成要素的任意组合、本实施方式的表现在方法、装置、系统、记录介质、计算机程序等之间进行变换后的方式，作为本实施方式的方式也是有效的。
6、根据本实施方式，能够提供一种能够减少致命性遗忘的基于机器学习的图像处理技术。
本文档来自技高网...【技术保护点】
1.一种图像处理装置，其特征在于，包括：
2.如权利要求1所述的图像处理装置，其特征在于，还包括：
3.如权利要求1所述的图像处理装置，其特征在于，
4.如权利要求1所述的图像处理装置，其特征在于，
5.一种图像处理方法，其特征在于，包括：
6.一种图像处理程序，其特征在于，使计算机执行：
【技术特征摘要】
【国外来华专利技术】
1.一种图像处理装置，其特征在于，包括：
2.如权利要求1所述的图像处理装置，其特征在于，还包括：
3.如权利要求1所述的图像处理装置，其特征在于，
【专利技术属性】
技术研发人员：竹原英树，木田晋吾，杨尹诚，高见真季，
申请(专利权)人：JVC建伍株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。