现代防御技术 ›› 2024, Vol. 52 ›› Issue (1): 41-48.DOI: 10.3969/j.issn.1009-086x.2024.01.006
康梦雪1,2(), 张金鹏1,2, 马喆1,2, 黄旭辉1,2, 刘雅婷1,2, 宋子壮1,2
Mengxue KANG1,2(), Jinpeng ZHANG1,2, Zhe MA1,2, Xuhui HUANG1,2, Yating LIU1,2, Zizhuang SONG1,2
摘要:
现代防御要求智能感知算法具备复杂开放场景下增量式连续学习能力,而传统深度学习方法基于全体数据进行封闭训练,导致其应用能力和使用范围受限。现有连续学习算法面临灾难性知识遗忘问题,提出一种基于高级语义特征蒸馏的增量式连续目标检测方法,通过高级语义特征引导高价值底层特征的选择,将该特征从教师模型蒸馏到学生模型,从而有效促进旧任务知识传递,缓解灾难性知识遗忘。在公开图像数据集MS COCO上的实验表明,该方法在各类连续学习场景下的目标检测性能均超越先前最好方法,有望推动智能系统在动态开放场景下持续学习能力和自主遂行能力生成。
中图分类号: