一种基于泛化学习机制的正则化持续学习方法

本发明公开了一种基于泛化学习机制的正则化持续学习方法，涉及机器学习技术领域，包括以下步骤：S1：对图像集Dt进行样式转换，生成形状‑纹理冲突图像S2：通过神经网络模型Θt提取图像特征，通过一致性正则化机制计算KL散度损失LSTCR；S3：计算总体损失Lt并优化神经网络模型Θt；使模型在训练过程中能够同时学习形状和纹理特征，显著提升模型的泛化能力，确保模型在学习新任务的同时保留对旧任务的知识，有效减轻灾难性遗忘问题，同时避免了对外部存储的依赖，使得在训练过程中无需额外的大规模存储资源，降低整体系统的计算和存储成本。