基于采样点的图像伪解析类别增量学习方法及装置

1.基于采样点的图像伪解析类别增量学习方法，其特征在于，包括下述步骤：

2.如权利要求1所述的基于采样点的图像伪解析类别增量学习方法，其特征在于，所述步骤s2中，所述对后接有softmax分类器的背景网络进行预训练过程为：

3.如权利要求1所述的基于采样点的图像伪解析类别增量学习方法，其特征在于，步骤s4中，所述输入解析分类器使用反向梯度下降算法进行重对齐，步骤为：

4.如权利要求3所述的基于采样点的图像伪解析类别增量学习方法，其特征在于，所述初始采样点集获取步骤为：

5.如权利要求1所述的基于采样点的图像伪解析类别增量学习方法，其特征在于，步骤s6中，所述在混合数据集上对上一阶段的解析分类器进行增量学习，具体为：

6.如权利要求5所述的基于采样点的图像伪解析类别增量学习方法，其特征在于，训练过程中，所述解析分类器参数的优化函数为：

7.如权利要求5所述的基于采样点的图像伪解析类别增量学习方法，其特征在于，所述对重新生成的采样点进行梯度对齐和误差矫正作为下一阶段的初始采样点集，具体为：

8.基于采样点的图像伪解析类别增量学习系统，其特征在于，包括分类网络构建模块、背景网络预训练模块、虚拟节点增加模块、解析分类器预训练模块、数据混合模块、解析分类器训练模块以及增量学习终止模块；

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-7任一项所述的基于采样点的图像伪解析类别增量学习方法。