FEATURE VECTOR STORAGE-BASED CLASS-INCREMENTAL SEMANTIC SEGMENTATION LEARNING DEVICE AND METHOD

The disclosed embodiment provides a class-incremental semantic segmentation learning device and method capable of solving the problem of catastrophic forgetting while improving security with a small memory capacity, comprising: obtaining an incremental semantic segmentation neural network by performing incremental learning on the basis of incremental learning data for an additional incremental class on a previously trained existing semantic segmentation neural network so as to classify an existing learning class according to existing learning data; after incremental learning with class-based feature vectors, extracted from a previous feature map estimated by the previously trained existing semantic segmentation neural network and pre-stored, obtaining a class-based representative feature vector by estimating a correlation between an existing feature map and an incremental feature map obtained from the existing semantic segmentation neural network and the incremental semantic segmentation neural network, respectively; performing transformation learning which sets a class-based rotation matrix on the basis of the class-based representative feature vector; and performing further learning by inputting the transformed class-based feature vector into the semantic segmentation neural network using the class-based rotation matrix. Le mode de réalisation divulgué concerne un dispositif et un procédé d'apprentissage de segmentation sémantique incrémentale de classe permettant de résoudre le problème d'oubli catastrophique tout en améliorant la sécurité avec une petite capacité de mémoire, consistant à : obtenir un réseau neuronal de segmentation sémantique incrémental en effectuant un apprentissage incrémental sur la base de données d'apprentissage incrémental pour une classe incrémentale supplémentaire sur un réseau neuronal de segmentation sémantique existant précédemment entraîné de façon à classifier une classe d'apprentissage existante selon des données d'apprentissage existantes ; après un apprentissage incrémental avec des vecteurs de caractéristiques à base de classe, extraits d'une carte de caractéristiques précédente estimée par le réseau neuronal de segmentation sémantique existant précédemment entraîné et pré-stockées, obtenir un vecteur de caractéristiques représentatives à base de classe par estimation d'une corrélation entre une carte de caractéristiques existante et une carte de caractéristiques incrémentales obtenue à partir du réseau neuronal de se