一种用于小样本图像分类的增量学习分类方法技术

本发明专利技术提供了一种用于小样本图像分类的增量学习分类方法，属于计算机视觉、增量学习、提示学习、和机器学习领域，方法包括以下几个模块：基类训练提示正则化模块、语义知识蒸馏模块、增量类训练提示正则化模块、子空间原型聚合模块。与现有技术相比，本发明专利技术利用了预训练视觉模型自身的泛化能力设计了两种正则化策略，通过在模型基础训练阶段的大样本训练中施加自我正则化约束在微调模型时保持模型的泛化能力，在增量阶段的小样本训练中则通过基础阶段训练提示的泛化能力与模型自身共同对提示施加正则化约束缓解过拟合问题。与此同时，利用图像的标签文本描述和语言模型设计了语义知识蒸馏模块辅助模型的训练。此外，通过利用基类大样本计算的原型来对新类小样本原型进行子空间聚合提高新类的可判别性。

【技术实现步骤摘要】

本专利技术所属的为机器学习领域，应用为图像分类领域，具体涉及一种提示学习的正则化策略和对原型网络的校准方案。

技术介绍

1、图像分类是一种应用广泛的计算机视觉任务，它不仅能自动化地处理大量视觉数据，还能在许多领域提供精准的决策支持。例如，在医疗领域，图像分类能够帮助医生快速检测和诊断疾病，提高早期筛查的效率；在自动驾驶中，它通过识别交通标志、行人和障碍物，确保车辆安全行驶；在安防监控和工业质量检测中，图像分类能够实时识别异常情况，有效防止安全事故和生产缺陷。因此，图像分类技术在提高工作效率、降低人工成本、增强决策精度等方面扮演着至关重要的角色。而随着数据分布的不断变化，深度学习模型经常需要从一个熟悉的数据分布转移到另一个不熟悉的数据分布，并从新数据中学习新知识。在一些现实应用场景中，数据的收集和标记成本有时是令人难以接受的，例如，在训练人脸识别的增量模型以及在跟踪生理信号的智能医疗决策系统场景中，模型需要从有限的数据流中学习新类别，这使得国内外学者开始研究小样本增量学习问题。目前的小样本增量学习方法通常涉及到一个负责特征提取的主干网络和一个负责分类的原型网本文档来自技高网...

【技术保护点】

1.一种用于小样本图像分类的增量学习分类方法，其特征在于，包括：基类训练提示正则化模块、语义知识蒸馏模块、增量类训练提示正则化模块、子空间原型聚合模块。这些模块的运行过程：首先在增量学习模型的基础训练阶段，利用基类训练提示正则化模块缓解保持模型的泛化能力，在增量训练阶段利用增量类训练提示正则化模块进一步缓解小样本训练带来的过拟合问题，语义知识蒸馏模块则与基类训练提示正则化模块和量类训练提示正则化模块并行使用；在增量阶段对原型网络进行更新时使用子空间原型聚合模块提高模型对新类的判别能力。

2.权利要求1所述一种用于小样本图像分类的增量学习分类方法，其特征在于，在模型基础训练阶段...

【技术特征摘要】

1.一种用于小样本图像分类的增量学习分类方法，其特征在于，包括：基类训练提示正则化模块、语义知识蒸馏模块、增量类训练提示正则化模块、子空间原型聚合模块。这些模块的运行过程：首先在增量学习模型的基础训练阶段，利用基类训练提示正则化模块缓解保持模型的泛化能力，在增量训练阶段利用增量类训练提示正则化模块进一步缓解小样本训练带来的过拟合问题，语义知识蒸馏模块则与基类训练提示正则化模块和量类训练提示正则化模块并行使用；在增量阶段对原型网络进行更新时使用子空间原型聚合模块提高模型对新类的判别能力。

2.权利要求1所述一种用于小样本图像分类的增量学习分类方法，其特征在于，在模型基础训练阶段和增量训练阶段分别设计了对应的正则化策略，缓解模型的过拟合问题。

3.权利要求1所述一种用于小样本图像分类的增量学习分类方法，其特征在于，利用语义知识蒸馏模块在...

【专利技术属性】
技术研发人员：陆虎，黄强，崔翠梅，赵念强，韩冬祺，
申请(专利权)人：江苏大学，
类型：发明
国别省市：