技術特征：

1.一種基于特征細化與特征矯正的持續(xù)視覺檢索方法，其特征在于，所述方法包括：

2.根據(jù)權利要求1所述的方法，其特征在于，在t＝1的情況下，所述在第t個階段的訓練數(shù)據(jù)集上訓練視覺檢索模型ft，得到視覺檢索模型ft+1，包括：

3.根據(jù)權利要求1所述的方法，其特征在于，在t>1的情況下，所述在第t個階段的訓練數(shù)據(jù)集上訓練視覺檢索模型ft，得到視覺檢索模型ft+1，包括：

4.根據(jù)權利要求3所述的方法，其特征在于，將所述特征圖譜mi輸入特征細化模塊，得到細化特征圖譜m′i，包括：

5.根據(jù)權利要求3所述的方法，其特征在于，所述階段內(nèi)判別性損失其中，表示數(shù)據(jù)xi的類別yi對應分類層權重的l2-歸一化表示，κ表示溫度系數(shù)，c1:t表示第1個階段到第t個階段的已知類別集合。

6.根據(jù)權利要求3所述的方法，其特征在于，所述階段間數(shù)據(jù)一致性損失其中，c1:t-1表示第1個階段到第t-1個階段的已知類別集合，表示，表示屬于已知類別c的重放數(shù)據(jù)，ξc表示已知類別c的原型嵌入。

7.根據(jù)權利要求3所述的方法，其特征在于，所述相鄰階段一致性損失其中，gt表示在第t個階段出現(xiàn)的數(shù)據(jù)庫圖像，m表示閾值。

8.根據(jù)權利要求3所述的方法，其特征在于，基于前t-1個階段中的舊數(shù)據(jù)所對應的細化特征圖譜對細化特征圖譜m′i進行矯正，包括：

9.根據(jù)權利要求3所述的方法，其特征在于，所述特征矯正損失所述特征一致性損失其中，表示數(shù)據(jù)xi的類別yi對應分類層權重的l2-歸一化表示，表示矯正特征圖譜經(jīng)過嵌入層后生成的特征嵌入，κ表示溫度系數(shù)，c1:t表示第1個階段到第t個階段的已知類別集合，c、h、w分為特征圖譜mi的通道數(shù)、高和寬。

10.一種基于特征細化與特征矯正的持續(xù)視覺檢索系統(tǒng)，其特征在于，所述系統(tǒng)包括：

技術總結
本發(fā)明公開一種基于特征細化與特征矯正的持續(xù)視覺檢索方法及系統(tǒng)，屬于視覺檢索技術領域。所述方法包括：構建視覺檢索模型，所述視覺檢索模型包括：骨干網(wǎng)絡、特征細化模塊、特征矯正模塊、嵌入層和分類器，所述特征細化模塊用于揭示所述骨干網(wǎng)絡輸出的特征圖譜M中的重要區(qū)域，所述特征矯正模塊用于訓練所述視覺檢索模型時抑制新類別中與舊類別重疊的語義；構建第t個階段的訓練數(shù)據(jù)集，并在第t個階段的訓練數(shù)據(jù)集上訓練視覺檢索模型f<subgt;t</subgt;，得到視覺檢索模型f<subgt;t+1</subgt;；基于訓練后的視覺檢索模型f<subgt;t+1</subgt;獲取目標圖像的視覺檢索結果。本發(fā)明可以解決持續(xù)視覺檢索任務中遺忘問題，提升視覺檢索模型在面對動態(tài)變化的數(shù)據(jù)環(huán)境時的可持續(xù)擴展能力。

技術研發(fā)人員：李波,蘇慶杭,張金超,谷井子
受保護的技術使用者：中國科學院信息工程研究所
技術研發(fā)日：
技術公布日：2024/12/26