BriefGPT - AI 论文速递
·
重新平衡多标签类增量学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了一种新的多级分级类增量任务配置，通过多级分层标签扩展的在线学习约束，能够在所有层次的分层结构中显著提高分类准确性，并在传统的不相交、模糊和i-Blurry的连续学习设置上也优于现有的最先进方法。
🎯
关键要点
-
提出了一种新的多级分级类增量任务配置。
-
该配置通过多级分层标签扩展的在线学习约束来提高分类准确性。
-
网络首先学习粗粒化类别，然后逐步扩展到更精细粒度的类别。
-
利用层次感知的伪标签技术和有效的记忆管理与采样策略。
-
在所有层次的分层结构中显著提高分类准确性。
-
在不相交、模糊和i-Blurry的连续学习设置上优于现有的最先进方法。
🏷️
标签
➡️
