基于模型参数和剪枝策略的持续学习图像识别方法及装置

摘要

本发明公开了一种基于模型参数和剪枝策略的持续学习图像识别方法及装置，方法包括：收集新增类别数据及历史类别数据；构建持续学习图像识别模型；将新增类别数据与Rehearsal策略保存的部分旧类别数据合并，组成训练数据；输入持续学习图像识别模型中，新增特征提取器和FC层；利用知识蒸馏训练持续学习图像识别模型，并使用剪枝策略去除新增特征提取器中不重要的卷积核；对新增类别数据及历史类别数据使用Rehearsal策略，保存部分类别数据；将待测试数据输入持续学习图像识别模型中进行测试，获得图像识别结果。本方法从模型参数角度，采用知识蒸馏解决了图像识别中持续学习问题，结合剪枝策略减缓模型参数量的增长速度，提高了图像识别的准确率和效率。