一种基于动态知识扩展网络的跨域持续学习的图像分类方法

本发明公开了一种基于动态知识扩展网络的跨域持续学习的图像分类方法，涉及图像分类领域，包括：利用基于动态知识扩展网络的跨域持续学习方法，训练获取动态知识扩展网络分类模型，并对目标图像进行分类；基于动态知识扩展网络的跨域持续学习方法包括：初始化静态和动态骨干网络，加载训练任务及跨域训练数据集；根据新任务与现有任务知识相关性，决定是否扩展网络架构或利用现有架构进行学习，更新激活专家网络；利用记忆内存样本来优化动态骨干，计算聚类原型；任务学习完成后，对网络进行评估；并将训练好的网络参数，应用于动态知识扩展网络中。能够有效解决跨域持续学习中面临的灾难性遗忘问题，提高模型的泛化能力和学习效率。