一种用于智能零售视觉结算的增量学习方法

为了解决智能零售视觉结算任务中的增量学习问题，提出一个新颖的基于数据增广的三元组模型，由合成网络、渲染网络和检测网络组成。合成网络与渲染网络协同学习，将单品示例图像以数据增广方式生成分布接近真实数据的渲染视觉结算图像。在增量学习阶段，原有产品和新产品的示例图像协同学习，生成包含新产品的结算图像。所有渲染视觉结算图像被用于训练检测网络，训练好的模型能同时识别原有产品和新产品。试验结果表明，该模型具有相较于现有增量学习方法更优异的对抗灾难性遗忘能力，增量后的结算准确率为64.90%,遗忘率为3.63%,优于现有最佳方法的4.38%。