公开(公告)号：CN117407808A

公开(公告)日：2024-01-16

申请号：CN202311475888.X

申请日：2023-11-07

Applicant: 桂林电子科技大学

Inventor： 莫建文 ,  左丽芳 ,  欧阳宁 ,  林乐平

IPC: G06F18/2431 ,  G06F18/214 ,  G06F18/213 ,  G06V10/764 ,  G06V10/40 ,  G06N3/08 ,  G06N3/0442

Abstract: 本发明公开了一种基于分数的扩散模型生成回放的类增量学习方法，所述方法包括如下步骤：1)训练分类器；2)建立基于分数的扩散模型；3)训练鉴别器；4)基于分数的扩散模型的生成回放。本技术方案利用基于分数的扩散模型生成高质量的旧类样本来记忆旧类信息，并使扩散模型和鉴别器能够以与分类器相同的方式来增量式地学习新类别，以此避免顺序更新模型时遭受的灾难性遗忘问题，从而有效地提升分类性能。

公开(公告)号：CN118072099A

公开(公告)日：2024-05-24

申请号：CN202410269441.5

申请日：2024-03-11

Applicant: 桂林电子科技大学

Inventor： 莫建文 ,  左丽芳 ,  欧阳宁 ,  林乐平

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/74 ,  G06V10/82

Abstract: 本发明公开了一种基于联合蒸馏回放策略的类增量学习方法，所述方法包括如下步骤：1)训练初始任务的蒸馏模型；2)设置一个缓冲区存储初始任务的蒸馏数据；3)建立基于旧任务的蒸馏数据与新任务的原始数据的联合蒸馏模型；4)在下一个任务训练过程中回放联合蒸馏数据。本技术方案利用旧任务的蒸馏数据与新任务的原始数据联合蒸馏，充分考虑旧任务的类别特征信息，以此避免特征模糊。在此基础上，保持新旧任务蒸馏过程中使用相同的学习率，并寻找一个最优的缓冲区规模以存储蒸馏数据用于回放，从而有效地缓解类增量学习场景中的灾难性遗忘，提升图像的分类效果。