基于深度学习的持续学习图像分类方法及装置

摘要

本发明公开了一种基于深度学习的持续学习图像分类方法及装置，方法包括下述步骤：构建具有任务特定批归一化的任务持续学习模型，所述任务持续学习模型的特征提取器中所有卷积核的参数在所有任务中都是固定的，在学习每个新任务时，每个卷积核中对应的批归一化层BN的参数与任务特定的分类头一起学习；对任务持续学习模型进行增量式训练，在新任务来临时，加入新的任务特定的批归一化层和分类头；在完成增量式训练后得到训练好的任务持续学习模型，将待分类的图像任务输入训练好的任务持续学习模型，完成分类任务。本发明利用任务持续学习模型中存在的批量归一化BN有效地解决灾难性遗忘问题。