菜菜小孙的blog

Why choose lifelong learning in medical images?最近几年顶会上将lifelong用在medical images中的文章，可参考，附abstract和introduction，arxiv上几乎都可以下载，部分需要springer。如有添加，后续会补~PAPERYEARCONFERENCEmethodA Lifelong Learning Approach to Brain MR Segmentation Across Scanners

EEC: LEARNING TO ENCODE AND REGENERATE IMAGES FOR CONTINUAL LEARNING二、翻译0. 摘要abstract：持续学习的两个主要障碍是灾难性的遗忘和数据存储的内存限制。为了应对这些挑战，我们提出了一种新颖的、受认知启发的方法，该方法可以训练具有神经样式传递功能(Neural Style Transfer)的自动编码器来编码和存储图像。在进行新任务的训练期间，将重播编码事件中的重建图像，以避免灾难性的遗忘。对重建图像的损失函数进行加权，以降

Cognitively-Inspired Model for Incremental Learning Using a Few Examples二、翻译0. 摘要abstract：增量学习尝试开发一个分类器，该分类器从分离为不同类的数据流中连续学习。 深度学习方法在逐步学习新类时会遭受灾难性的遗忘，而大多数增量学习方法每个类都需要大量的训练数据。 我们仅使用几个训练示例（称为“few shot incremental learning”（FSIL））来研究增量学习的问题。 为了解决这个问题，我们提出

A Lifelong Learning Approach to Brain MR Segmentation Across Scanners and Protocols冲冲冲冲冲冲冲！文章目录A Lifelong Learning Approach to Brain MR Segmentation Across Scanners and Protocols一、总结二、翻译0. 摘要1. 引言2. 方法3. 实验3.1 数据集：3.2 训练细节3.3 实验3.4 结果4. 结论三、纸质版材料一、总结

Dynamic memory to alleviate catastrophic forgetting in continuous learning settings冲冲冲冲冲冲冲冲冲冲冲冲冲冲冲！文章目录Dynamic memory to alleviate catastrophic forgetting in continuous learning settings一、总结二、翻译0. 摘要1. 引言相关工作贡献2.方法3. 实验和结果3.1 数据集3.2 实验3.3 结果4. 结论三、纸质版材料

Life-Long Learning（LLL）看了李宏毅老师的Life-Long Learning视频，以及粗略阅读了A continual learning survey:Defying forgetting in classification tasks这篇综述文章，菜菜的小孙对LLL有了初步的认知。（每次换方向都会秃头，记录一下今日2020年8月3日小孙又去剪了头发，心好痛）目录Life-Long Learning（LLL）一、什么是lifelong learning？二、longlife lea