基于弹性权重巩固与知识蒸馏的垃圾持续分类
针对目前的垃圾分类方法仅仅是对固定类别的常见生活垃圾分类,无法满足垃圾类别数量增长带来的动态持续分类要求的问题,本文提出了一种弹性权重巩固与知识蒸馏(elastic weight consolidation and knowledge distillation,EWC-KD)垃圾持续分类方法.该方法通过EWC正则化损失函数和蒸馏损失函数增强模型的记忆能力,EWC正则化损失函数限制重要参数的更新范围,带有温度系数的蒸馏损失函数通过保护类别标签中携带的类别信息增强模型的泛化能力.在 5 个垃圾分类任务上进行实验,结果表明该方法的性能优于对比方法,可以在所有任务上保持较高的分类准确率和较低的后向转移值,能够增强垃圾分类系统的持续分类能力.
生活垃圾、图像分类、持续学习、深度学习、知识蒸馏、正则化、温度系数、泛化能力
18
TP391(计算技术、计算机技术)
山西省回国留学人员科研项目;山西省自然科学基金;山西省科技合作交流专项
2023-08-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
878-885