Continual Object Learning Using Gaussian Modeling

Ignacio Romero

doi:10.1007/978-3-032-11381-8_16

Continual Object Learning Using Gaussian Modeling

2026-01-01

0

PRE

AI

Javier Ruiz‐del‐Solar *

DOI：10.1007/978-3-032-11381-8_16

原文链接

原文求助

摘要

En 中文

持续学习物体识别是一项重大挑战，可通过在不同时间分别训练用于特征提取和物体分类的独立学习模型来解决。本文提出利用预训练基础模型进行特征提取，以及使用高斯表示进行物体分类，其中高斯分布独立于其他类别来表征每个物体类别。高斯分布在表征物体类别方面具有两大优势：首先，每个物体类别模型独立运行，便于直接添加新类别；其次，高斯分布提供物体类别的紧凑表示，仅需少量样本即可构建模型，并可随着新样本的出现进行优化。该方法在ImageNet和Caltech 256数据集的图像分类任务中得到了验证。

Keyword:

Continual learning

Incremental Object Recognition

Gaussian Modeling

Continual Object Learning Using Gaussian Modeling

摘要

期刊

机构

引用论文