基于双曲层次建模和知识双向传输的增量隐式细化图像分类方法

本发明公开了基于双曲层次建模和知识双向传输的增量隐式细化图像分类方法，包括步骤1，对数据集进行增量任务划分：将原始图像数据集重构为有两级层次结构的数据集，并进行各任务数据集的划分；步骤2，训练网络：输入当前任务的训练集，对双曲层次建模与知识双向传输网络进行训练，并更新模型参数；步骤3，测试并输出分类准确率：在所有已见任务的测试集上进行测试并输出一个平均增量分类准确率；重复步骤2、3，直至没有新任务出现。本发明在双曲空间中持续构建动态层次关系，并利用其作为传输代价指导新旧类知识之间双向的最优传输，解决当前方法采用的静态硬层次关系效果欠佳和知识利用不充分问题，以提高增量隐式细化图像分类的准确率。