Dec, 2023
基于迁移学习的分类器集成在少样本类增量学习中的应用
TLCE: Transfer-Learning Based Classifier Ensembles for Few-Shot Class-Incremental Learning
Shuangmei Wang, Yang Cao, Tieru Wu
TL;DR提出 TLCE 模型,利用多个预训练模型提高新旧类别的区分度。通过使用史诗式训练将旧类别图像映射到准正交原型以减少新旧类别的干扰,并通过集成多样的预训练模型适应数据不平衡的情况,从而在各种数据集上实验证明我们的转移学习集成方法优于最先进的少样本增量学习方法。