自注意力迁移模型

抗遗忘分割

通过迁移图像内元素间关系，在连续学习新类别时保持旧类别分割能力，无需存储旧数据。

Yiqiao, Qiu · Yixing, Shen · Zhuohao, Sun · Yanchong, Zheng · Chang, Xiaobin · Zheng, Wei-Shi · 王瑞轩

Pattern Recognition 2023

技术优势

迁移像素关系

利用自注意力图捕捉类内与类间关系，知识更丰富，缓解遗忘更有效。

类特定区域池化

对同类像素区域池化，提供可靠关系信息，提升迁移稳定性。

即插即用

可与广泛采用的策略灵活组合，进一步超越现有最优方案。

应用场景

• 机器人视觉：机器人持续学习新物体分割，无需存储旧场景数据。
• 工业质检：产线新增缺陷类型时，模型可持续学习而不会忘记已有缺陷。
• 无人机遥感：无人机持续学习新地物类别，无需回放旧航拍数据。
• 医学图像分析：医院新增器官或病灶分割任务时，模型可增量学习且不遗忘旧任务。