解决tuple转torch.tensor报错：ValueError: too many dimensions ‘str‘ 解决办法：使用列表推导式和字符串分割操作来处理每个标签字符串。将这些数字转换为整数类型。然后，将结果放入一个列表中，并使用。将每个标签字符串分割成数字，并使用。
Dynamic Support Network for Few-ShotClass Incremental Learning论文笔记 少样本类别增量学习面临着灾难性遗忘旧类别和过拟合新类别的挑战。分析表明，这些问题是由于特征分布崩溃造成的，当将少量样本连续嵌入到固定的特征空间时，会导致类混淆。作者提出了一个动态支持网络Dynamic Support Network（DSN），它是一个具有压缩节点扩展的自适应更新网络来“支持”特征空间。在每个训练环节中，DSN暂时扩展网络节点，以扩大增量类的特征表示能力。然后通过节点自激活动态压缩扩展的网络，追求紧凑的特征表示，从而缓解了过拟合。
Few-Shot Class-Incremental Learning from anOpen-Set Perspective论文笔记 一个Few-Shot Class-Incremental Learning (FSCIL)模型，需要在所有类上表现良好，无论它们的表示顺序如何或是否缺乏数据。它还需要对需要对较少的数据 (one-shot scenario) 具有鲁棒性，并且容易适应该领域出现的新任务目前的SOTA方法仅使用class-wise average accuracy类平均精度来评价模型的性能，无法评估是否由于类不平衡和数据不平衡存在prediction bias预测偏差；
Open-world Learning and Application to Product Classification论文笔记 论文提出模型应该满足：（1）拒绝未知类别（没有在训练中出现）的样本；（2）逐步学习未知类别以扩展现有的模型这称为open-world learning（OWL），论文提出一个基于元学习（meta-learning）的OWL方法，关键的新颖之处在于，该模型维护了一组动态的可见类别，允许在没有重新训练模型的情况下，添加或删除新的类别。
Lesion-Aware Transformer for Diabetic Retinopathy Grading论文笔记 Lesion-Aware Transformer for Diabetic Retinopathy Grading论文笔记
关注
