一种基于FPGA开发板的解析类增量学习方法及系统

本发明公开了一种基于FPGA开发板的解析类增量学习方法及系统。所述方法采用模型反向传播训练方法对基类数据集进行训练，得到基础模型；提取权重参数，构建初始模型作为目标模型；若存在待增量学习的多个新类数据集时，为各个新类数据集设定训练顺序；对各个新类数据集进行特征提取和特征融合，得到对应各个新类数据集的特征融合向量；按照训练顺序对初始模型进行多个轮次的类增量学习，输出最后轮次的类增量学习模型作为目标模型；将待检测图像输入目标模型，得到图像的分类标签。本发明的类增量学习过程无需依赖旧类别的数据样本，在有效保护数据隐私的同时，通过优化输入方式，能够快速地部署在FPGA开发板上。