少样本持续学习不遗忘
为SAR目标识别场景提出的持续学习方法，通过正交梯度投影和分布校准，在仅用少量新类样本的情况下有效保留旧类知识。
任浩浩 · Junyi, Li · Lei, Miao · 80614069 · 周云 · 邹林
Pattern Recognition 2026
通过梯度投影到与旧类特征正交的子空间更新网络，减少对旧类空间的干扰，同时用分布校准回放生成高质量伪特征，强化旧类记忆。
自监督渐进学习策略从少量新类样本中提取更泛化的知识，提升模型对新类的泛化能力。
基类训练阶段采用复合约束嵌入损失，在类间正交化和类内紧凑性约束下，为未来类别预留可分离的几何区域。