摘要
本发明属于计算机视觉技术领域,具体公开了一种基于梯度分解与对齐的增量目标检测方法,包括以下步骤:构建基于梯度分解与对齐的增量目标检测模型;利用基于梯度分解与对齐的增量目标检测模型完成增量目标检测。本发明通过伪标签生成与筛选机制能够有效解决增量目标检测中旧类别样本无标注的问题,并提出梯度分解与对齐策略,在增量训练中实现了新旧类别梯度的动态调整,确保新类别学习的同时不损害旧类别知识的保留,提高了增量目标检测模型的稳定性与可塑性平衡,进而解决了增量目标检测中灾难性遗忘、类别重叠以及新旧类别学习平衡难以优化的问题。
技术关键词
图像视觉特征
高斯混合模型
标签
特征提取单元
对齐模块
预测类别
期望最大化算法
坐标
网络
视觉特征信息
计算机视觉技术
分支
无监督
阶段
动态
参数
因子
数据
系统为您推荐了相关专利信息
特殊钢
RFID二维码标签
追踪系统
生成区块链数据
孤立森林算法
健康状态评估系统
主氦风机
健康状态评估方法
状态估计模型
特征提取单元
辅助判断系统
特征提取模块
多实例
深度学习模型
文件夹
农田环境
数据融合算法
农田管理
高时空分辨率
信息管理方法
表情生成系统
三维人脸重建
人脸三维重建
语音
表情特征提取