一种基于无范例的高效知识感知增量学习模型建立方法及装置

本发明公开了一种基于无范例的高效知识感知增量学习模型建立方法，对训练数据集中的图像进行预处理；构建类增量学习高效知识表征模块及图像分类模型，类增量学习高效知识表征模块包括用于生成鲁棒且多样化的类别特定原型分布的置信原型采样模块和用于正则化增量分类器输出的自适应记忆正则化模块；图像分类模型包括用于提取输入图像的特征的特征提取器，以及将新旧权重进行解耦并冻结权重，通过延伸微调组件来减少新旧知识干扰的同时促进旧分类器适应新特征空间先验引导增量分类器模块；所述特征提取器用于提取输入图像的特征。本发明可以高效完成类增量学习任务，图像分类结果比现有类增量学习方法更优。