BriefGPT - AI 论文速递
·
针对少样本增量学习的新基准：重新定义上限
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一种结合不平衡感知技术的联合训练基准，以解决少样本增量学习中的类别不平衡问题，缩小基础类与增量类的性能差距，并规范了实验设置与评估流程。
🎯
关键要点
- 本研究提出了一种结合不平衡感知技术的联合训练基准。
- 研究解决了少样本增量学习中的类别不平衡问题。
- 有效缩小了基础类与增量类之间的性能差距。
- 标准化了FSCIL方法的实验设置与评估流程。
- 为未来研究提供了可靠的基准和实用的基础。
➡️
