基于迁移学习的增量小样本实例分割方法

本发明公开了一种基于迁移学习的增量小样本实例分割方法，包括：构建增量小样本实例分割模型，所述增量小样本实例分割模型包括依次连接的特征提取器、Transformer编码器(Transformer Encoder)、Transformer解码器(Transformer Decoder)以及两个预测头；对所述增量小样本实例分割模型进行训练；使用训练好的增量小样本分割模型对图像中的基类和新类的前景对象进行分割，得到每个前景对象的类别和分割掩码；本发明通过添加轻量级适配器和采用知识蒸馏策略的方式，旨在克服先前方法无法充分利用基类知识以及微调模型时旧类别的性能下降问题，实现基类知识和新类知识更好的集成，更好地平衡稳定性——可塑性困境。