Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于因果学习与动态参数选择的类增量学习方法 

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:本公开的实施例提供一种基于因果学习与动态参数选择的类增量学习方法。应用于图像数据处理技术领域,包括:获取训练图像集合,训练图像集合中包含各个训练图像和训练图像的真实标签,根据训练图像集合构造输入数据序列;构建教师模型和学生模型进行特征提取,得到输出特征及对应的logits输出,从而构建具有因果关系的旧类知识因果路径以及新类知识因果路径;基于知识蒸馏以及旧类正则化方法,分别采用旧类知识因果路径和新类知识因果路径计算得到旧类积极因果效应以及新类积极因果效应,进行加和计算得到总体因果效应。以此方式,本发明利用因果推理技术以及因果结构方法缓解灾难性遗忘,为缓解灾难性遗忘问题提供了新的思路和解决方案。

主权项:1.一种基于因果学习与动态参数选择的类增量学习方法,其特征在于,包括以下步骤:获取训练图像集合,所述训练图像集合中包含各个训练图像和训练图像的真实标签,根据训练图像集合构造输入数据序列;构建教师模型和学生模型,采用所述教师模型和所述学生模型对所述输入数据序列进行特征提取,得到输出特征及对应的logits输出,基于所述输出特征及对应的logits输出构建具有因果关系的旧类知识因果路径以及新类知识因果路径;根据所述旧类知识因果路径分别计算得到旧数据存在和旧数据不存在的logits输出值的差值;根据所述教师模型和所述学生模型对旧类数据的logits输出进行知识蒸馏,并进行正则化处理,得到旧类知识蒸馏结果和旧类正则化结果;根据所述差值、所述旧类知识蒸馏结果和所述旧类正则化结果得到优化的旧类积极因果效应;根据所述新类知识因果路径分别计算得到旧数据存在的教师模型分数预测值和旧数据不存在的教师模型分数预测值,并计算二者的差值,得到单个数据的新类积极因果效应,并进行更新求和,得到新类积极因果效应;根据所述对撞因果效应对所述新类积极因果效应进行简化,得到简化后的新类积极因果效应;根据所述教师模型和所述学生模型对新类数据上的输出特征均值进行知识蒸馏,并进行正则化处理,得到新类知识蒸馏结果和新类正则化结果;根据所述积极因果效应、所述新类知识蒸馏结果和所述新类正则化结果得到优化的新类积极因果效应;对所述旧类积极因果效应及所述新类积极因果效应进行加和计算得到总体因果效应。

全文数据:

权利要求:

百度查询: 贵州大学 一种基于因果学习与动态参数选择的类增量学习方法

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。

相关技术
相关技术
相关技术
相关技术