摘要
本发明公开了基于生成方法的持续广义零样本学习方法及系统,包括:获取类别属性和高斯噪音;基于所述类别属性和高斯噪音,结合生成器和判别器,获取伪特征和标识符投影;将所述伪特征和标识符投影输入至零样本学习模型,获取学习结果,其中,所述零样本学习模型包括:多样化属性增强模块和跨任务特征蒸馏模块;所述多样化属性增强模块,用于通过引入由大语言模型生成的多样化语义描述,增强未见类别特征的表达能力;所述跨任务特征蒸馏模块,用于通过对旧任务与新任务的特征空间进行对齐,使模型在适应新任务的同时保留已有知识。本发明能够解决在未见类别生成特征中存在的多样性不足和灾难性遗忘问题。
技术关键词
零样本学习方法
生成方法
标识符
融合特征
广义
信息处理模块
输出特征
蒸馏
分析模块
大语言模型
学习系统
训练集
生成特征
语义
索引
中间层
标签
系统为您推荐了相关专利信息
数据安全管理系统
林业
体系结构模型
海量异构数据
安全控制单元
玻璃酒瓶
上料方法
视觉检测系统
独立成分分析
成品
标识符
修复方法
抽象语法树
表达式
计算机程序指令
病虫害
多模态特征融合
融合特征
烟叶图像
农业设备