可区分特征的持续学习方法及装置

摘要

本发明公开了一种可区分特征的持续学习方法及装置，其中，方法包括以下步骤：确定当前分类任务，并将目标函数加入学习模型的angularloss项；在当前分类任务为新任务时，初始化学习模型的最后一层的参数，以使其相互正交，并在更新过程中暂时固定；训练预设时间后，将最后一层的参数参与更新，其中，最后一层的参数作为正交化的约束，以使不同的分类任务不会互相干扰。该方法可以在处理不同类型的分类任务时，都能够很好地对该任务的目标类别进行精准分类，有效解决了目前持续学习中不同任务中的类别在特征空间中会发生重叠、导致模型效果不佳的问题。