基于VAE的伪样本重排练实现的类增量学习

• 作者: 莫建文 陈瑶嘉
• 来源期刊: 计算机工程与设计
• 关键词: 类增量学习 灾难性遗忘 伪样本重排练 变分自编码器 伪样本选择
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 多媒体技术|Mulitimedia Technology
• 页码范围: 2284-2290
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2021.08.026

摘要

针对神经网络模型进行类增量学习时产生的灾难性遗忘问题,提出一种基于VAE的伪样本重排练实现的类增量学习方法.采用VAE生成伪样本的方法,实现重排练,生成与真实图像相似的伪图像;引入大边界Softmax损失训练分类器,使分类器学习到类间距离更大、类内距离更小的特征;采用一种基于类均值特征的伪样本选择策略,基于分类器训练样本的类均值特征,使筛选出来的伪样本更具代表性.在MNIST、FASHION数据集上的实验结果表明,所提方法能有效减少灾难性遗忘的影响,提高图像分类精度.