HyperAIHyperAI
منذ 2 أشهر

تخفيف تحول الخلفية في التجزئة الدلالية التدريجية حسب الفصل

Park, Gilhan ; Moon, WonJun ; Lee, SuBeen ; Kim, Tae-Young ; Heo, Jae-Pil
الملخص

التمييز الدلالي التدريجي حسب الفئة (CISS) يهدف إلى تعلم فئات جديدة دون نسيان الفئات القديمة، باستخدام فقط ملصقات الفئات الجديدة. لتحقيق هذا الهدف، يتم استخدام استراتيجيتين شائعتين: 1) التسمية الوهمية وتقطير المعرفة لحفظ المعرفة السابقة؛ و2) نقل وزن الخلفية، والذي يستفيد من التغطية الشاملة للخلفية في تعلم الفئات الجديدة بنقل وزن الخلفية إلى تصنيف الفئة الجديدة. ومع ذلك، تعتمد الاستراتيجية الأولى بشكل كبير على النموذج القديم في اكتشاف الفئات القديمة بينما يتم اعتبار البكسل غير المكتشفة كخلفية، مما يؤدي إلى تحول الخلفية نحو الفئات القديمة (أي سوء تصنيف للفئة القديمة كخلفية). بالإضافة إلى ذلك، في حالة الاستراتيجية الثانية، فإن تهيئة تصنيف الفئة الجديدة بالمعرفة الخلفية يثير مشكلة مماثلة بتحول الخلفية نحو الفئات الجديدة. لمعالجة هذه المشكلات، نقترح إطارًا للفصل بين فئة الخلفية والفئات الجديدة في CISS. أولاً، يتم استخدام التسمية الوهمية الانتقائية والتقطير المميز للميزات لتقطير المعرفة السابقة التي يمكن الوثوق بها فقط. من ناحية أخرى، نشجع على الفصل بين الخلفية والفئات الجديدة باستخدام هدف متعامد جديد بالإضافة إلى تقطير الإخراج المنضبط بالملصقات. تؤكد نتائجنا الرائدة فعالية هذه الأساليب المقترحة.

تخفيف تحول الخلفية في التجزئة الدلالية التدريجية حسب الفصل | أحدث الأوراق البحثية | HyperAI