基于参数重要性增量学习的语义分割方法

作者：谢雪梅; 于凯; 李旭阳

来源：2020-09-10, 中国, ZL202010944785.3.

本发明提出了一种基于参数重要性增量学习的语义分割方法,主要解决当今增量学习语义分割精度低且增量训练需要大量存储空间的问题。实现步骤为：构建基础训练数据集和测试数据集；搭建语义分割神经网络并初始化；使用基础训练数据集对语义分割神经网络进行训练,并更新每个参数的重要性权重；构建增量式数据集和增量测试数据集；对训练后的语义分割神经网络模型进行迭代训练；得到语义分割结果。本发明在增量训练过程中使用参数重要性方法,提高增量训练后的语义分割精度,并减少了增量训练所需的存储空间,可用于增量式语义分割。

• 单位
  昆山鲲鹏无人机科技有限公司; 西安电子科技大学