-
公开(公告)号：CN117114128A
公开(公告)日：2023-11-24
申请号：CN202310972905.4
申请日：2023-08-03
Applicant: 复旦大学
Abstract: 本发明属于机器学习技术领域，具体为一种基于超球几何结构的持续学习方法。本发明方法包括：将视觉特征投影到超球空间中，在这个较低维的嵌入空间中构建类别原型，并进行持续学习；基于超球结构，设计了基础训练方案，包括实例原型紧性损失函数来减少类间距离，以及类间原型分离损失函数来最大化类间的分离性；设计了增量学习方案，包括原型的构建和适应策略，以有效地适应新的类；以及实例原型关系保持蒸馏方案来克服灾难性遗忘的问题。以上方法在多个图像数据集上进行了实验验证，证明方法的优越性。本发明能够帮助深度学习模型在增量学习场景下的具有对未来数据更强的适应能力并且有助于克服对旧数据的灾难性遗忘问题。
Search Results
1
records
(took 0.012 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
