ECCVJul, 2024

重新思考少样本类增量学习:向自己学习

TL;DR通过引入新的评估指标 general average accuracy (gAcc) 和使用基于 gAcc 的面积曲线 (AUC) 总体度量,以及利用远距离层级的中间特征来改善特征的泛化能力,本研究提出了一个基于 Transformer 的 few-shot class-incremental learning (FSCIL) 框架,能够在不使用复杂网络设计或繁琐训练过程的情况下,优化 novel-class 的性能。