arXiv · cs.AI· Zeki Doruk Erden·· 1 天前
多尺度结构特征用于持续、可解释的视觉识别：发展式学习框架
Multi-Scale Structural Features for Continual, Comprehensible Visual Recognition in a Developmental Learning Framework
arXiv:2607.25531v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zeki Doruk Erden
研究任务与主要进展
作者提出一种面向发展式学习的视觉表示方法，通过结合多尺度边缘、轮廓特征及其空间关系，并改进网络精炼过程、 学习动力学和读出机制，提升持续视觉识别能力。基于论文摘要，该方法在类增量MNIST基准上相较既有表示显著提高准确率，在相近存储条件下匹配或超过重放和正则化基线，同时不保存历史数据；早期学习类别能够保留，表示仍具有人类可解释性。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org