BriefGPT - AI 论文速递
·
梯度重新加权：朝着不平衡分类增量学习的方向
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本文研究了两种长尾分布的增量学习场景，并提出了一种两阶段基线方法，用于减少偏差并提高性能。在实验中，该方法在CIFAR-100和ImageNet-Subset上表现出色。
🎯
关键要点
- 研究了两种长尾分布的增量学习场景。
- 分析了现有方法在这两个场景下的表现。
- 提出了一种包含学习可调权重层的两阶段基线方法。
- 该方法旨在减少由长尾分布引起的偏差。
- 提高了常规增量学习的性能。
- 在CIFAR-100和ImageNet-Subset上表现卓越，最高平均增量精度提高6.44个百分点。
➡️
