基于互学习与数据增强的在线持续进化方法

本发明具体涉及一种基于互学习与数据增强的在线持续进化方法，设计了一种互学习机制，在训练过程中构建两个子模型，通过引导不同子模型间特征和分布的对齐，有效地捕获模型之间的相互作用，促进模型协同进化，显著降低单模型学习的局限性。此外，通过默认数据增强、大角度旋转增强和两次随机增强三种数据增强策略扩展数据特征分布，显著提高模型在单周期训练下的泛化能力和特征学习能力。通过互学习机制和数据增强策略的结合，本发明使得模型能够在仅访问一次数据的条件下，快速适应新任务并避免单周期训练中产生的有偏特征学习问题，显著地增强了模型在在线持续识别场景中的学习能力和性能。