[发明专利]基于生成对抗网络知识蒸馏的增量学习方法

摘要

本发明涉及一种基于生成对抗网络知识蒸馏的增量学习方法，包括以下步骤：步骤S1:生成器根据输入的条件信息生成有样本标签的旧类伪训练样本，并与现有的新类训练样本合并，形成新训练数据集；步骤S2:根据新训练数据集训练在原有生成对抗网络上训练出新的生成器和判别器；步骤S3:基于新训练数据集训练分类器，在训练过程中，利用样本原有的标签信息训练分类器分类能力，以新的判别器作为教师模型，以教师模型指导分类器的学习，得到新的分类器，用于生成高质量图像。本发明有效将新类和旧类总体类别相关信息提供给分类模型，从而使分类模型能在增量学习中减少遗忘，分类精度更高。