ICLRFeb, 2023
基于神经衰竭启发的特征 - 分类器对齐方法在少样本类增量学习中的应用
Neural Collapse Inspired Feature-Classifier Alignment for Few-Shot Class Incremental Learning
Yibo Yang, Haobo Yuan, Xiangtai Li, Zhouchen Lin, Philip Torr...
TL;DR本文提出一种基于神经坍塌的框架用于少样本类增量学习,使用分类器原型作为整个标签空间的简单等角紧框架,采用一个新型的损失函数以驱动特征向其相应原型。理论分析表明,该方法在增量方式下保持了神经坍塌最优性并不破坏特征 - 分类器对齐。在 miniImageNet、CUB-200 和 CIFAR-100 数据集上的实验证明了我们提出的框架优于现有技术的表现。