BriefGPT - AI 论文速递
·
继承与蒸馏，对比进化：探索无样本记忆的类别增量语义分割
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了一个两阶段学习框架，解决类增量学习中的灾难性遗忘问题。该方法不依赖于保留旧类别样本，是一种非范例基于的 CIL 方法。实验证明，在公共数据集上，该方法在保留每类 5 个示例和 10 个阶段递增设置下，比最先进的范例基于方法在 CIFAR-100 上提高了 18.24%，在 ImageNet100 上提高了 9.37%。
🎯
关键要点
- 提出了一个两阶段学习框架，解决类增量学习中的灾难性遗忘问题。
- 该方法包括一个固定编码器和一个逐步更新的原型分类器。
- 不依赖于保留旧类别样本，是一种非范例基于的 CIL 方法。
- 在公共数据集上的实验表明，该方法在CIFAR-100上提高了18.24%，在ImageNet100上提高了9.37%。
- 实验设置为保留每类5个示例和10个阶段递增。
➡️
