BriefGPT - AI 论文速递
·
重新思考少样本类增量学习：向自己学习
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
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。
🎯
关键要点
-
提出了基于Transformer的few-shot class-incremental learning (FSCIL)框架。
-
引入新的评估指标general average accuracy (gAcc)。
-
使用基于gAcc的面积曲线(AUC)总体度量。
-
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，避免复杂网络设计和繁琐训练过程。
➡️
