一种基于多归一化与动态网络的类增量学习的图像分类方法及系统

一种基于多归一化与动态网络的类增量学习的图像分类方法，包括以下步骤；步骤1：搭建新的基础网络；步骤2：基于新的基础网络进行类增量学习初始图像分类任务D1的训练，得到初始化模型，并冻结初始化模型作为类增量学习下一阶段图像分类任务D2的旧模型；步骤3：在处理新的类增量学习图像分类任务时，搭建特征增强模型；步骤4：通过模型蒸馏技术控制特征增强模型的规模，将特征增强模型进行蒸馏得到目标压缩模型；目标压缩模型作为处理下一个类增量任务时的旧模型；步骤5：在测试样本上，使用目标压缩模型进行图像分类精度检测。本发明针对类增量学习领域下的图像分类任务，用于缓解模型灾难性遗忘问题，提升模型下游图像分类任务的准确度。