基于任务域知识迁移的神经网络持续学习方法及装置

摘要

本公开提出一种基于任务域知识迁移的神经网络持续学习方法、装置、电子设备及介质，该方法包括：提取当前任务的输入图像的特征；根据特征对当前任务的输入图像进行分类；其中，当当前任务对应的分类模块能识别特征时，则利用当前任务对应的分类模块对输入图像进行分类，否则，执行以下操作：利用第一特征迁移模块将特征迁移为与第一任务相关的第一特征，利用第一任务对应的分类模块对第一特征进行分类；若第一任务对应的分类模块不能全部完成对当前任务的分类，则利用第二特征迁移模块将第一特征迁移为与第二任务相关的第二特征，利用第二任务对应的分类模块对第二特征进行分类；以此类推，直到得到当前任务的输入图像的分类结果。