[发明专利]一种基于领域增量学习的语义分割方法在审
| 申请号： | 202310185511.4 | 申请日： | 2023-03-01 |
| 公开（公告）号： | CN116091776A | 公开（公告）日： | 2023-05-09 |
| 发明（设计）人： | 刘亚洲;陈浩琦;冯锋 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06V10/26 | 分类号： | G06V10/26;G06V10/774;G06V10/82;G06N3/08 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 王玮 |
| 地址： | 210094 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于领域增量学习的语义分割方法，步骤如下：(1)准备新任务数据；(2)构建新任务的模型且对其初始化；(21)基于先前增量任务中完全训练的旧模型增加一组领域特定的参数获得新任务的模型；(22)加载旧模型的权重对新模型进行初始化；(23)冻结旧模型的全部参数，冻结新模型中在先前增量任务中学习到的旧领域的领域特定参数；(3)将训练数据输入模型中，获得模型对不同领域的响应并计算损失；(31)将训练数据输入旧模型，获得旧模型对所有旧领域的特征响应；(32)将训练数据输入新模型，获得新模型对所有旧领域和新领域的特征响应；(33)根据上述步骤获得的特征计算分割损失和蒸馏损失；(4)模型迭代训练；(5)模型测试。本发明使模型能够在持续变化的领域中学习，且对所有已学习的领域保持良好的性能，从而保证自动驾驶系统能够在持续变化的驾驶环境中保持稳定的性能。 | ||
| 搜索关键词： | 一种 基于 领域 增量 学习 语义 分割 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310185511.4/，转载请声明来源钻瓜专利网。
- 上一篇：交易处理方法、装置、设备及存储介质
- 下一篇：一种酯交换催化剂及回收方法
