旋转增强蒸馏的免样例类增量学习与详细分析
原文中文，约300字，阅读约需1分钟。发表于：。本研究关注在没有保存旧类样本（无样例）的无样例设置下，通过只对新类进行监督，实现在深层特征学习中平衡可塑性和稳定性。通过对不同方法的详细对比及指标衡量，提出了一种简单的无样例设置下的 Class incremental learning 方法，即 Rotation Augmented Distillation...
本研究提出了一种无样例设置下的Class incremental learning方法，名为Rotation Augmented Distillation (RAD)，通过只对新类进行监督来平衡可塑性和稳定性。实验证明RAD在无样例设置下表现接近顶级水平，并与现有方法进行了比较。
