摘要
本申请公开了一种用于图片质检的持续学习方法、装置、设备及介质,通过构建提示词池子,采用预训练视觉变换器模型对图片质检数据与提示语池子中的提示向量进行相似度计算,从而构建预训练视觉变换器模型的输入向量,进一步地基于损失函数对提示语池子中的提示向量以及对应关联的键向量,以及用于进行图片质检推断的分类器的参数进行优化更新,满足持续学习的同时,无需存储用于训练的图片质检数据,推断时也不需要访问任务标识,解决了现有方法中采用机器学习模型进行图片质检存在的存储空间限制以及依赖任务标识符的技术问题。
技术关键词
持续学习方法
图片
编码向量
分类器
变换器
视觉
存储程序代码
编码模块
标签
处理单元
键值
注意力
可读存储介质
机器学习模型
学习设备
参数
学习装置
数据更新
度函数
系统为您推荐了相关专利信息
语义分割方法
分支
特征融合方法
网络模块
解码器
人像生成方法
面部关键点
文本
去噪模型
噪声预测
电力作业场景
作业现场
三维点云数据
识别方法
识别系统
剂量监测仪
检定方法
文本识别
中子
多分辨率卷积神经网络