0.持续学习 持续学习相关文章汇总，包含论文地址、代码地址、具体分析解读地址 1.LwF算法相关链接 论文地址代码地址 2.基本想法 针对问题：在无法获得原始任务训练数据的情况下，适合使视觉系统适应新任务，并且保证其在旧任务上的性能问题建模：学习对新任务具有判别能力的参数，同时保留训练数据上原始任务的输出将网络分为所有任务共享部分和特定任务独享部分，网络架构如下： 图片 3.损失函数

前言：最近有时间看了很多各大神的文章@阿拉平平的小屋@yaotouge@Phenixyf@ Super的博客@TraceYang的CSDN空间等等还有没来得及留笔的各大神关于gamma与LWF(线性流)之类的文章之后，也一直想弄清这方面的知识点，所以收集整理组合各类知识点，在这里与感兴趣的人做下分享… gamma问题和线性工作流程问题一直以来都是讨论的热点问题，也是大都数人糊里糊涂的一个地方，其

这是经过LWF(单纯的进行过color的，spec，rel等，未进行矫正)，妹子是蒙拍的好妹子。本来是像素工作室logo的一小段测试视频。 这是未进行矫正的，灯光的衰减有点奇怪。 这是经过LWF后，进行了后期调整。