BriefGPT - AI 论文速递
·
图像类别增量学习通用双分支框架
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一个两阶段学习框架，通过分析灾难性遗忘的原因，使用固定编码器和逐步更新原型分类器来解决问题。实验证明，该方法在CIFAR-100和ImageNet100上分别提高了18.24%和9.37%。
🎯
关键要点
- 研究分析了类增量学习中的灾难性遗忘原因。
- 提出了一个两阶段学习框架，包括固定编码器和逐步更新原型分类器。
- 该方法不依赖于保留的旧类别样本，属于非范例基于的CIL方法。
- 在公共数据集上进行实验，保留每类5个示例和10个阶段递增设置。
- 在CIFAR-100上提高了18.24%，在ImageNet100上提高了9.37%。
➡️
