标签:嵌入 CL 特征 新类 模型 论文 Feature https 方法
1、Continual Learning for Visual Search with Backward Consistent Feature Embedding
Timmy S. T. Wan, Jun-Cheng Chen, Tzer-Yi Wu, Chu-Song Chen
https://arxiv.org/pdf/2205.13384
在图像搜索算法中,数据库中的图片会随着时间的增长而增加。但是现有方法依赖于在整个数据集上训练的模型,而忽略了模型的不断更新。随着模型的更新,新模型必须为整个图库集重新提取特征以保持兼容的特征空间,这为大型图库集带来了很高的计算成本。为了解决长期视觉搜索的问题,论文引入了一种持续学习 (CL) 方法,该方法可以处理增量增长的图片集。该方法强制执行会话间数据一致性和模型一致性还有不同训练会话(数据增长后的重新训练)损失区别来进行持续学习,解决方案还解决了为模糊边界添加新类的情况,而不假设所有类别在开始时和模型更新期间都已知的。这应该是第一个解决后向一致特征嵌入问题并允许在新会话中出现新类的 CL 方法。对各种基准的广泛实验表明论文的方法在各种设置下的有效性
2、Bootstrap Confidence Regions for Learned Feature Embeddings
Kris Sankaran
完整文章
https://avoid.overfit.cn/post/8987c6b35a3c4131887de97a4031d665
标签:嵌入,CL,特征,新类,模型,论文,Feature,https,方法 来源: https://www.cnblogs.com/deephub/p/16378008.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。