关键词continual learning framework
搜索结果 - 5
- 统一网络结构下的知识重播全方位恶劣天气去除
开发了一种面向实际应用的新型连续学习框架，用于不断学习从不同恶劣天气中提取图像，通过知识回放和共享在统一网络结构中积累了不同恶劣天气的知识。
- 持续学习中的标签延迟
在线连续学习（online continual learning）对标注延迟（label delay）的处理提出了新的连续学习框架，通过模拟不同时间步长间的未标注数据和标签的延迟关系，引入简单高效的基线方法，在不显著增加计算复杂性的情况下， - 合成数据作为验证
利用合成数据作为验证集，从而减少过拟合，简化 AI 模型选择，本研究展示了合成数据在早期肿瘤检测方面的有效性，以及在不同领域中用于增强 AI 的鲁棒性的潜力。
- ICCV持续证据深度学习用于外部分布检测
该研究论文提出了一种将证据深度学习方法与持续学习框架相结合的方法，能够同时进行增量对象分类和越界检测，在 CIFAR-100 数据集上的实验结果显示，该方法在对象分类和越界检测方面表现出色。
- ICML神经网络中学习表达先验的方法用于泛化和不确定性估计
本文提出了一种基于先验学习的新方法，用于提高深度神经网络的泛化和不确定性估计，该方法利用可伸缩和结构化的神经网络后验作为具有泛化保证的信息先验。我们的学习先验在大规模上提供了具有表现力的概率表征，可以看作是在 ImageNet 上预训练模型