《表4 多任务持续学习方法总结》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《遥感边缘智能技术研究进展及挑战》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

多任务持续学习研究的是从无限的数据流中学习知识的问题，目标是将学习到的知识进行扩展，应用于未来的学习中，如图7所示，多任务持续学习有广阔的应用场景。多任务持续学习结构如图8所示。数据流中不同阶段的数据样本分别属于不同的任务，比如飞机船舶的检测任务、地物要素的分类任务等。如表4所示，在持续学习模型训练阶段，样本集只包含当前任务样本，而先前任务的样本不可见；在持续学习模型推理阶段，要求模型对先前任务和当前任务均保持良好的预测精度。存在的方法主要分为两类:基于样本数据重现的方法以及基于模型结构扩展的方法。前者通过储存或者拟合先前任务的训练数据避免灾难性遗忘，后者主要是调整模型的参数或者结构，保证网络的持续学习能力。