一种用于边缘场景图像识别的类增量学习方法及电子设备

本发明公开了一种用于边缘场景图像识别的类增量学习方法及电子设备，其中方法包括：收集实时数据，作为输入样本；通过宽度学习的随机映射模块对输入样本进行特征升维，将特征映射到更高维的特征表示；根据格拉姆矩阵判断输入样本属于新类样本还是旧类样本，若为新类样本，对样本标签进行扩增处理；将新类样本的格拉姆矩阵和先前样本的格拉姆矩阵进行特征融合；使用特征融合后的格拉姆矩阵对宽度学习模型的输出层权重进行微调，获得类增量学习后的边缘场景图像识别模型。本发明通过引入格拉姆矩阵运算，实现宽度映射后的新旧类样本的特征融合，能够极大的提升模型类增量学习性能。本发明可广泛应用于边缘场景图像识别技术领域。