基于采样点的图像伪解析类别增量学习方法及装置

本发明公开了一种基于采样点的图像伪解析类别增量学习方法及装置，方法为：首先构建图像分类网络，然后用基础数据集对背景网络进行预训练，预训练完成后将背景网络冻结并得到一维化特征；接着接入解析分类器并构建虚拟节点；随后对一维化特征进行随机维度拓展后输入解析分类器进行重对齐，结束后计算缩放系数并得到初始采样点集；最后进入增量学习阶段，每次增量学习都需要将初始采样点集和当前阶段增量数据集混合，用混合数据集训练解析分类器并得到当前阶段的采样点集作为下一阶段初始采样点集，获取下一阶段增量数据集重复进行增量学习；本方法能减轻灾难性遗忘问题，且隐私性强、精度高，能够实现图像的解析类别增量学习。