原创力文档- 1、本文档共67页，其中可免费阅读21页，需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
行为识别旨在通过分析视频数据实现对其中内容的自动理解和分类，在公共安全、
智慧交通和人机交互等领域中有着广泛的应用。随着社交媒体的快速发展，新类别的视
频在不断动态扩增。然而，当前常规的行为识别模型通常对固定类别的数据进行训练和
推理，难以应对动态变化的场景。若直接训练新类别，会导致对旧类别知识的遗忘，而
重头训练模型，则需要消耗大量的计算资源和成本。为此，如何确保模型学习新知识的
同时更好的保留旧知识是一个重要挑战。因此开展以下研究：
（1）提出了基于各向异性蒸馏的视频类增量学习方
文档评论（0）