基于多分类器的增量训练方法、装置、设备和介质.pdfVIP

下载本文档

0
0
约1.87万字
约 14页
2023-05-20 发布于北京
举报
版权申诉

基于多分类器的增量训练方法、装置、设备和介质.pdf

1、本文档共14页，其中可免费阅读13页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本申请的基于多分类器的增量训练方法、装置、设备和介质，其中方法包括：基于池化知识蒸馏构建第一损失函数，使用所述第一损失函数对卷积神经网络的特征提取器及主分类器进行训练，更新特征提取器参数和主分类器参数；根据副分类器和标注数据的副分类器交叉熵损失函数，以及副分类器之间的分类器差异损失函数，构建第二损失函数；通过所述第二损失函数对所述副分类器进行训练，更新副分类器参数。在计算新旧模型差异时在传统知识蒸馏的基础上加入池化操作，使得第一损失函数具有更好的可塑性，得到的模型能够更好的适应新任务。相比于单分

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114925828 A (43)申请公布日 2022.08.19 (21)申请号 202210599548.7 G06V 10/82 (2022.01) (22)申请日 2022.05.