面向持续学习基于 t-vFM 相似度的鲁棒特征学习
机器学习
2023-06-06 v1 计算机视觉与模式识别
摘要
持续学习已从特征学习的角度使用标准监督对比损失得到发展。由于训练过程中的数据不平衡，在学习更好的表示方面仍存在挑战。在本工作中，我们建议在监督对比损失中使用不同的相似度度量替代余弦相似度，以学习更鲁棒的表示。我们在图像分类数据集 Seq-CIFAR-10 上验证了我们的方法，结果优于近期的持续学习基线。
引用
@article{arxiv.2306.02335,
title = {Towards Robust Feature Learning with t-vFM Similarity for Continual Learning},
author = {Bilan Gao and YoungBin Kim},
journal= {arXiv preprint arXiv:2306.02335},
year = {2023}
}