基于表示预测的小样本类增量学习方法

摘要

本发明公开了基于表示预测的小样本类增量学习方法，涉及图像识别分类技术领域，包括以下步骤：S1，通过特征提取器f加softmax分类器结构完成对基类数据Dbase的基本任务训练，通过基本任务训练得到基类数据的特征；S2，当基础任务训练完成后，去除softmax分类器，将特征提取器f输出的特征输入NCM分类器，并计算每类的类中心；S3，通过特征提取器f来获取新类DN中样本的输出，通过得到的样本输出与步骤S2中得到的所有基类的类中心比较相似性，根据相似程度来预测该样本的特征，将输出的相似值归一化后作为对应的类中心ub的权重；通过此种设计达到类别不断增加的情况下，对所有已学习的类别进行分类的目的。