一种基于残差概念引导的细粒度持续学习方法

本发明公开了一种基于残差概念引导的细粒度持续学习方法，包括以下步骤：输入图像输入冻结的VIT模型提取深度特征；将深度特征输入至概念解耦模块，得到解耦的任务共享概念和任务类唯一概念；将任务共享概念残差注入至初始查询得到共享查询，将任务类唯一概念残差注入至初始查询得到类唯一查询，并将共享查询和类唯一查询拼接得到层次化查询；将层次化查询输入至提示池得到融合提示；将融合提示与输入图像拼接，一起输入至VIT模型中，输出分类头生成类别概率分布。本发明能够建立层次化的语义表征体系，有效缓解细粒度类别间的混淆问题，有效缓解细粒度任务的特征混淆与动态适应难题。