面向生物特征识别的持续表示学习
计算机视觉与模式识别
2021-03-09 v2
摘要
近年来随着数字数据的爆炸式增长，从连续数据流中持续学习新任务而不遗忘已获知识变得愈发重要。本文提出一种新的持续学习（CL）设定，即“持续表示学习”，其专注于以连续方式学习更好的表示。我们还提供了两个大规模多步生物特征识别基准，其中不同类别的视觉外观高度相关。与要求模型识别更多已学类别不同，我们旨在学习可更好泛化至此前未见图像以及未见类别/身份的特征表示。针对新设定，我们提出一种新方法，通过对大量身份执行知识蒸馏，并应用邻域选择与一致性松弛策略以提升持续学习模型的可扩展性与灵活性。我们证明现有 CL 方法可在新设定中改善表示，且我们的方法取得了优于对比方法的成果。
引用
@article{arxiv.2006.04455,
title = {Continual Representation Learning for Biometric Identification},
author = {Bo Zhao and Shixiang Tang and Dapeng Chen and Hakan Bilen and Rui Zhao},
journal= {arXiv preprint arXiv:2006.04455},
year = {2021}
}