一种基于提示生成和提示变换的类增量学习方法及系统

本发明涉及计算机视觉技术领域，公开了一种基于提示生成和提示变换的类增量学习方法及系统，该方法包括：获取第一光学图像分类模型和若干个历史任务对应的键值对；将当前增量任务的新训练光学图像输入至第一光学图像分类模型，提取若干层特征和高层语义特征；构建提示生成模块，并根据若干层特征和高层语义特征生成预备模型提示；构建提示变换模块，并根据各历史任务对应的键值对对预备模型提示进行信息融合，生成模型提示，从而优化第一光学图像分类模型，生成第二光学图像分类模型，对输入的待分类光学图像进行分类，得出分类结果。本发明能降低光学图像分类模型的优化训练量，提高模型提示的数据关联性，进而提高光学图像分类模型的准确性。