06 2020 档案

语义分割中的增量学习

摘要：尽管深度结构在许多任务中都有效，但它们仍然受到一些重要限制。尤其是，它们容易遭受灾难性的遗忘，即，由于需要新的类而未保留原始训练集时，当要求他们更新模型时，他们的表现很差。本文在语义分割的背景下解决了这个问题。当前的策略无法完成此任务，因为他们没有考虑语义分割的特殊方面：由于每个训练步骤仅为所有可能阅读全文

posted @ 2020-06-24 09:47 cn_gzb 阅读(1621) 评论(0) 推荐(0) 编辑

通过深度可视化剖析持续学习中的灾难性遗忘

摘要：Dissecting Catastrophic Forgetting in Continual Learning by Deep Visualization 解释深度神经网络的行为（通常被认为是黑匣子）是至关重要的，尤其是当它们已被人类生活的各个方面广泛采用时。结合可解释人工智能的发展，本文提出了一阅读全文

posted @ 2020-06-23 09:20 cn_gzb 阅读(1090) 评论(0) 推荐(0) 编辑

无任务连续学习的神经Dirichlet过程混合模型

摘要：A NEURAL DIRICHLET PROCESS MIXTURE MODEL FOR TASK-FREE CONTINUAL LEARNING 尽管人们对持续学习的兴趣日益浓厚，但大多数当代作品都是在相当局限的环境下进行研究的，其中任务可以清晰地区分，并且在训练过程中任务边界是已知的。但是，如果阅读全文

posted @ 2020-06-23 08:52 cn_gzb 阅读(563) 评论(0) 推荐(0) 编辑