Few-Shot Class-Incremental Learning from an Open-Set Perspective.

학회 : ECCV2022 저자 : Can Peng 1 , Kun Zhao 2 , Tianren Wang 1 , Meng Li 1 , and Brian C. Lovell 1 Intro.

연구 배경: 딥러닝 모델은 대규모 데이터셋에 의존하며, 새로운 작업에 빠르게 적응하거나 이전 지식을 보존하는 데 어려움이 있음 이러한 한계를 극복하기 위해 Few-Shot Class-Incremental Learning (FSCIL) 연구 진행 FSCIL의 주요 특징: 새로운 작업에 빠르게 적응하면서 이전 작업의 지식 유지 모든 클래스에 대해 동등한 성능 유지 극도로 적은 데이터(one-shot 시나리오)에서도 견고한 성능 발휘 연구 접근 방법: face recognition systems에서 제안되는 loss 사용 데이터 증강 기법 적용 Balanced dataset 구성 그 뿐 아니라 FSCIL 벤치마크 태스크 설정 재평가 및 추가 실험 설정 제안 FSCIL에서는 Base class는 정상적으로 모...

요청 처리 중입니다...

Few-Shot Class-Incremental Learning from an Open-Set Perspective.

등록된 다른 글