本文提出了一种名为Tree-CNN的深度学习模型，旨在解决‘灾难性遗忘’问题，即在模型进行新数据集训练时避免丢失原有数据集的识别能力。Tree-CNN通过树状结构进行类别划分和识别，模仿人类识别过程，从大类到小类逐步细化。在CIFAR-10和CIFAR-100数据集上的实验表明，Tree-CNN在减少‘灾难性遗忘’的同时，与微调策略相比，保持了较高的识别准确率。
原标题：Tree-CNN：一招解决深度学习中的「灾难性遗忘」
在碎片化阅读充斥眼球的时代，越来越少的人会去关注每篇论文背后的探索和思考。
在这个栏目里，你会快速 get 每篇精选论文的亮点和痛点，时刻紧跟 AI 前沿成果。
这是 PaperDaily 的第 64篇文章
本期推荐的论文笔记来自 PaperWeekly 社区用户@Cratial。深度学习领域一直存在一个比较严重的问题——“灾难性遗忘”，即一旦使用新的数据集去训练已有的模型，该模型将会失去对原数据集识别的能力。
为解决这一问题，本文提出了树卷积神经网络，通过先将物体分为几个大类，然后再将各个大类依次进行划分、识别，就像树一样不断地开枝散叶，最终叶节点得到的类别就是我们所要识别的类。
关于作者：吴仕超，东北大学硕士生，研究方向为脑机接口、驾驶疲劳检测和机器学习。
■ 论文 | Tree-CNN: A Deep Convolutional Neural Network for Lifelong Learning
■ 链接 | https://www.paperweekly.site/papers/1839
■ 作者 | Deboleena Roy / Priyadarshini Panda / Kaushik Roy
网络结构及学习策略
网络结构
Tree-CNN 模型借鉴了层分类器，树卷积神经网络由节点构成，和数据结构中的树一样，每个节点都有自己的 ID、父亲(Parent)及孩子(Children)，网(Net，处理图像的卷积神经网络)，LT("Labels Transform"，就是每个节点所对应
最低0.47元/天 解锁文章
2499
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
