BriefGPT - AI 论文速递
·
针对少样本类增量学习的知识适应网络
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一种知识适应网络（KANet），通过引入基础模型CLIP和知识适配器模块，解决了少样本类增量学习中的问题。实验结果显示，KANet在多个数据集上表现出色，具有广泛应用潜力。
🎯
关键要点
- 本研究提出了一种知识适应网络（KANet）。
- KANet通过引入基础模型CLIP和知识适配器模块，解决了少样本类增量学习中的问题。
- KANet显著提高了实例表示的可靠性和全面性。
- 实验结果显示，KANet在CIFAR100、CUB200和ImageNet-R等多个数据集上表现出色。
- KANet具有广泛的应用潜力。
➡️
