一种基于特征纯化梯度投影的类增量语义分割方法

本发明公开了一种基于特征纯化梯度投影的类增量语义分割方法，其特点是训练模型以学习当前任务的最优分割能力，然后进行特征纯化和任务特定特征空间的构建，具体包括：基类模型训练、特征纯化与任务特定子空间构建和梯度投影优化等步骤。本发明与现有技术相比具有在增量学习框架下减少对完整历史数据的依赖，使得模型无需从零开始重新训练所有类别，极大降低了存储和计算成本，同时提升了训练效率和资源利用率，使大规模类增量语义分割在有限算力条件下得以高效实现，为自动驾驶、智能监控等领域的模型部署提供了更具经济性的解决方案。