一种基于特征校准及自适应知识传递的增量学习方法

本发明公开一种基于特征校准及自适应知识传递的增量学习方法，采集初始数据并通过初始数据训练初始识别模型，通获得训练好的初始识别模型；将初始数据和增量数据合并并输入初始识别模型进行联合训练，训练中通过特征校准网络对初始识别模型的特征表示进行处理和校准，获得校准后的初始识别模型；将校准后的初始识别模型作为教师模型，利用选择的教师模型通过知识蒸馏与自适应传递策略对学生模型进行训练，获得训练好的学生模型；将待检测数据输入训练好的学生模型中，进行类别的识别和分类。本发明不仅提升了增量学习效率，还增强了模型的泛化能力，实现了在类别不断增长的情况下，对新旧知识的高效管理和传递。