基于邻域共性演化网络的连续广义类别发现

本研究解决了连续广义类别发现（C-GCD）中持续发现新类别同时保持旧类别性能的问题。提出了一种新颖的学习框架——邻域共性意识演化网络（NCENet），其通过邻域内的共性来引导不同类别实例间的表征学习差异。实验结果显示，NCENet在CIFAR100上的最后一次增量学习中，对旧类别和新类别的聚类准确率分别领先于第二名方法3.09%和6.32%。