龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明公开了一种基于可扩充参数量的目标检测终身学习方法，在参数扩充阶段不需要保存任何训练样本；在参数压缩阶段，只需要5%或者更少的数据回放即可将扩充后的模型压缩到非持续学习或其他定参数量持续学习模型的相同水平，并且较其他普通回放更简便的是，由于使用了软标签的方法回放数据，本发明中使用的回放数据不需要任何标注，这同时节省了大量的工作量和存储空间。
主权项：1.一种基于可扩充参数量的目标检测终身学习方法，其特征在于，包括如下步骤：步骤1：预训练阶段；采用YOLOv9为目标检测模型的框架，使用在OpenImagev7数据集预训练的可扩充参数量持续学习模型，并将其中的Backbone和Neck部分冻结，在之后的所有训练中保持冻结的部分持续freeze；步骤2：类增量学习训练及损失计算；从第二个任务的训练开始，每次训练都使用上一次任务产生的模型权重，第一次任务使用预训练的权重；从第一个任务的训练开始，每次模型自动根据本次任务的类增量数量进行参数扩充，然后加载上一次任务产生的模型权重，然后冻结当前模型的所有参数；在开始训练的时候，模型初始化当前任务扩充的参数并将这部分参数解冻作为本次任务中可学习的参数；在模型训练中，反向传播将只更新这部分解冻的参数；参数扩充增量学习阶段的其他训练设置和损失计算与YOLOv9一致；步骤3：参数压缩及回放正负样本；可扩充参数在扩充后使用蒸馏和回放对模型的参数进行压缩；训练样本同时传入要压缩的模型和一个新的压缩参数模型，在要压缩的模型中预测生成软标签，作为训练样本的标签用于训练新的压缩参数模型，新的压缩参数模型利用训练样本与软标签作正常训练；压缩参数模型训练完成后相当于第一个任务增量学习模型，之后继续增量则能够在该模型权重上直接进行。
全文数据：
权利要求：
百度查询： 西北工业大学 一种基于可扩充参数量的目标检测终身学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号