基于感知流形体积均衡分布的生鲜货品类别增量学习方法

本发明提供了基于感知流形体积均衡分布的生鲜货品类别增量学习方法，涉及动态图像识别的类增量学习技术领域，该方法在传统增量学习的基础上，引入了感知流形体积的概念，通过计算不同类别的流形体积并对其进行均衡化处理，优化了模型的特征空间分布。这一过程通过迭代微调实现，利用教师网络指导学生网络的学习，确保新旧类别的特征在模型的表征空间中达到平衡。此外，其还设计了一种特殊的损失函数，进一步增强了模型对不同类别特征的均衡学习能力。解决了现有技术中由于新旧类别样本数量不平衡而导致的模型识别偏差问题。