关注
分享
BIT可达鸭
北京理工大学计算机科学与技术专业直博，研究方向为 3D 视觉、零样本学习等，获得百度飞桨开发者技术专家、百度飞桨深度学习开发者峰会开源新星奖、小米奖学金等，个人主页：https://sharpiless.github.io/
展开
-
【CVPR2022】无需示例的类增量学习的自我维持表示扩展
Self-Sustaining Representation Expansion for Non-Exemplar Class-Incremental Learning论文地址：摘要：介绍：论文地址：https://arxiv.org/abs/2203.06359摘要：无示例的类增量学习是指在无法保存旧类样本时，同时识别新旧类。这是一项具有挑战性的任务，因为表示优化和特征保留只能在新类的监督下实现。为了解决这一问题，作者提出了一种新的自维持表示扩展方案，该方案包括一个融合主分支扩展和侧分支更新的结原创 2022-04-01 12:33:07 · 3477 阅读 · 0 评论 -
【类增量学习】ICCV 2019：Incremental Learning Using Conditional Adversarial Networks
【类增量学习】ICCV 2019：Incremental Learning Using Conditional Adversarial Networks论文地址：论文地址：https://ieeexplore.ieee.org/document/9009031原创 2021-11-23 19:34:15 · 2581 阅读 · 0 评论 -
【类增量学习】CVPR 2021：Class-Incremental Learning with Generative Classifiers
【类增量学习】CVPR 2021：Class-Incremental Learning with Generative Classifiers论文地址：代码地址：论文摘要：论文介绍：问题定义：Task-based class-incremental learning：Task-free class-incremental learning：Data storage：Pre-training：论文地址：https://arxiv.org/abs/2104.10093代码地址：https://githu原创 2021-11-22 16:34:26 · 1735 阅读 · 0 评论 -
【类增量学习综述】 Class-incremental learning：survey and performance evaluation
Class-incremental learning：survey and performance evaluation论文地址：摘要：介绍：相关工作：Task-incremental learning：Online learning：Variational continual learning：Pseudo-rehearsal methods：类增量学习：通用类增量式学习设置：类增量学习的挑战：研究方法：实验评估范围：Regularization approaches：Weight regularizat原创 2021-11-21 16:29:22 · 2758 阅读 · 0 评论