利用图像蒸馏增强流数据分类
计算机视觉与模式识别
2025-09-10 v1
摘要
本研究探讨了在内存和计算资源有限的环境中高效分类流数据的挑战。文章深入探讨了将数据蒸馏作为一种创新方法，以提高流图像数据分类的精度。通过专注于从数据流中蒸馏出基本特征，我们的方法旨在最小化计算需求，同时保留用于准确分类的关键信息。我们的研究将该方法与 Hoeffding Trees 和 Adaptive Random Forest 等传统算法进行了比较，这些传统算法通过嵌入应用于图像数据。基于蒸馏的分类（DBC）表现出卓越的性能，达到了 73.1% 的准确率，超越了传统方法和基于蓄水池采样的分类（RBC）技术。这标志着流数据分类的重大进展，展示了我们的方法在处理复杂数据流方面的有效性，并为准确性和效率设定了新的标准。
引用
@article{arxiv.2509.07049,
title = {Enhancing Classification of Streaming Data with Image Distillation},
author = {Rwad Khatib and Yehudit Aperstein},
journal= {arXiv preprint arXiv:2509.07049},
year = {2025}
}
备注
11 pages