【技术实现步骤摘要】
本专利技术涉及模式识别和机器学习，以及小样本学习、增量学习，尤其涉及一种基于基于隐属性增量网络的小样本类增量学习方法。
技术介绍
1、近年来，机器学习模型在自然语言处理和计算机视觉等各个领域都取得了显著的成就。人类通常具有持续学习识别对象类别的能力，例如能够学习识别大象，而不会遗忘先前学习到的识别猫和狗的能力。这种能力通常被称为增量学习。受人类增量学习能力的启发，类增量学习被提出，应用于机器学习模型。
2、在类增量学习中，要求模型在连续任务上学习新知识时不会遗忘先前学习到的知识，其中关键问题在于如何有效获取新类别的知识，同时不遗忘旧知识。然而，由于数据标注成本高昂和获取稀有类别样本困难，在实际应用中，使用大规模数据集训练模型变得不切实际。因此，小样本类增量学习引起了越来越多的关注。
3、在图像分类的小样本类增量学习中，模型旨在使用有限的数据去连续学习新类别，其同时面临灾难性遗忘和对新类别泛化能力差的双重挑战。为了解决上述问题，最近的研究提出了三类不同的方法：基于元学习的方法、基于回放的方法、基于特征和特征空间的方...
【技术保护点】
1.一种基于隐属性增强网络的小样本类增量学习方法，其特征在于，该方法的实现步骤如下：
2.根据权利要求1所述的一种基于隐属性增强网络的小样本类增量学习方法，其特征在于，隐属性增强网络中，辅助记忆模块的实施过程如下：
3.根据权利要求1所述的一种基于隐属性增强网络的小样本类增量学习方法，其特征在于，隐属性增强网络中，基于Transformer的知识交互模块的实施过程如下：基于Transformer的知识交互模块，用于融合隐属性和视觉特征的信息，重点关注区分性的语义区域，以增强视觉的特征表示；
4.根据权利要求1所述的一种基于隐属性增强...
【技术特征摘要】
1.一种基于隐属性增强网络的小样本类增量学习方法，其特征在于，该方法的实现步骤如下：
2.根据权利要求1所述的一种基于隐属性增强网络的小样本类增量学习方法，其特征在于，隐属性增强网络中，辅助记忆模块的实施过程如下：
3.根据权利要求1所述的一种基于隐属性增强网络的小样本类增量学习方法，其特征在于，隐属性增强网络中，基于transformer的知识交互模块的实施过程如下：基于t...
【专利技术属性】
技术研发人员：胡永利，张家森，姜华杰，尹宝才，
申请(专利权)人：北京工业大学，
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。