可控关系解耦模型

小样本持续学习

针对小样本类增量学习中的虚假关系问题，通过锚定基类嵌入并构建解耦代理，使类别关系可控，缓解灾难性遗忘。

周元 · Hong, Richang · Yanrong, Guo · 刘霖 · 郝世杰 · Zhang, Hanwang

IEEE Transactions on Circuits and Systems for Video Technology 2025

技术优势

类别关系可控

在特征空间中锚定基类嵌入并构建解耦代理，连接不同会话中出现的类别学习过程，使类别关系明确可控，避免新旧类别相互干扰。

缓解数据稀少

增量学习阶段冻结骨干网络参数，仅更新轻量级关系控制模块，避免少量样本导致骨干网络的过度调整，降低了数据稀少带来的负面影响。

应用场景

• 小样本持续学习：用于在数据极少的场景下持续扩展模型能力，延缓灾难性遗忘。
• 深度模型训练：针对小样本增量场景改进深度模型训练策略，减少虚假关联。
• 机器人视觉适应：让机器人视觉模型在少量新样本下更新，保持旧类别识别能力。
• 工业质检模型更新：支持质检模型用少量缺陷样本持续更新，降低重新训练成本。