AAAIDec, 2023
非典型类别增量学习中的细粒度知识选择和恢复
Fine-Grained Knowledge Selection and Restoration for Non-Exemplar Class Incremental Learning
Jiang-Tian Zhai, Xialei Liu, Lu Yu, Ming-Ming Cheng
TL;DR非示例类增量学习是学习新旧任务而不访问过去任何训练数据的目标,本文提出了细粒度知识选择和恢复的新框架,通过自适应平衡可塑性和稳定性,使用任务不可知的机制生成更真实的旧任务原型,减少分类器偏差,实验证明了我们方法的有效性。