一种用于小样本图像分类的增量学习分类方法

本发明提供了一种用于小样本图像分类的增量学习分类方法，属于计算机视觉、增量学习、提示学习、和机器学习领域，方法包括以下几个模块：基类训练提示正则化模块、语义知识蒸馏模块、增量类训练提示正则化模块、子空间原型聚合模块。与现有技术相比，本发明利用了预训练视觉模型自身的泛化能力设计了两种正则化策略，通过在模型基础训练阶段的大样本训练中施加自我正则化约束在微调模型时保持模型的泛化能力，在增量阶段的小样本训练中则通过基础阶段训练提示的泛化能力与模型自身共同对提示施加正则化约束缓解过拟合问题。与此同时，利用图像的标签文本描述和语言模型设计了语义知识蒸馏模块辅助模型的训练。此外，通过利用基类大样本计算的原型来对新类小样本原型进行子空间聚合提高新类的可判别性。