![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
持续学习
文章平均质量分 96
Blue琰琰
CS博士在读
展开
-
CVPR 2022|用于连续语义分割的表示补偿网络
在这项工作中,我们研究了连续语义分割问题,该问题要求深度神经网络在没有灾难性遗忘的情况下不断地融入新的类别(研究领域及挑战)。我们提出使用一种结构化的再参数化机制,即表示补偿( RC )模块,来解耦新旧知识的表示学习。RC模块由2个动态演化的分支组成,其中1个为冻结分支,1个为可训练分支。此外,我们在空间和通道两个维度上设计了池化立方体知识蒸馏策略,以进一步增强模型的可塑性和稳定性(模型结构)。我们在两个具有挑战性的连续语义分割场景上进行了实验,分别是连续类分割和连续域分割。原创 2023-11-15 15:07:47 · 199 阅读 · 0 评论 -
ICCV workshop 2019| 用于语义分割的增量学习技术
深度学习架构在需要增量学习新任务时,由于灾难性的遗忘,其性能出现了严重下降(挑战)。当代的增量学习框架专注于图像分类和对象检测,而在这项工作中,我们正式引入了语义分割的增量学习问题,其中考虑了逐像素标记(创新点)。为了解决这一任务,我们建议提取先前模型的知识以保留关于先前学习的类的信息,同时更新当前模型以学习新的类。我们提出了对输出logits和中间特性都有效的各种方法。与最近的一些框架相反,我们不存储来自先前学习的类的任何图像,并且只需要最后一个模型来保持这些类的高精度。原创 2023-11-08 21:05:19 · 316 阅读 · 0 评论