面向类增量分割的弱监督持续学习
计算机视觉与模式识别
2022-06-16 v2
摘要
迁移学习是一种强大的方法，可将已有的深度学习模型适配到遥感中新出现的应用场景。从一个已训练用于语义分割的神经网络出发，我们提出修改其标签空间，以在弱监督下快速适配新类别。为缓解此类持续学习固有的背景偏移与灾难性遗忘问题，我们比较了不同的正则化项并采用了一种伪标签策略。我们在三个公开遥感数据集上通过实验展示了该方法的有效性。代码已开源并发布于该仓库：https://github.com/alteia-ai/ICSS。
引用
@article{arxiv.2201.01029,
title = {Weakly-supervised continual learning for class-incremental segmentation},
author = {Gaston Lenczner and Adrien Chan-Hon-Tong and Nicola Luminari and Bertrand Le Saux},
journal= {arXiv preprint arXiv:2201.01029},
year = {2022}
}