重新思考少样本类增量学习：向自己学习
原文中文，约300字，阅读约需1分钟。发表于：。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...
本研究提出了基于Transformer的few-shot class-incremental learning (FSCIL)框架，通过引入新的评估指标gAcc和使用基于gAcc的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，优化novel-class的性能。
