Few-Shot Incremental Learning with Continually Evolved Classifiers 小樣本增量學習

最近在看小樣增量學習的論文，感覺這個還是不錯的。還沒有看完，先占個坑。

小樣本類增量學習(FSCIL)旨在設計機器學習算法，該算法可以從幾個資料點連續學習新概念，而不會忘記舊類的知識。困難在于，來自新類别的有限資料不僅會導緻嚴重的過度拟合問題，還會加劇過拟合問題。此外，由于訓練資料在FSCIL中按順序出現，學習的分類器隻能在單個會話中提供區分資訊，而FSCIL要求所有類都參與評估。在這篇文章中，從兩個方面來解決FSCIL問題。首先，采用一種簡單而有效的表示和分類器解耦學習政策，即在每次增量會話中隻更新分類器，避免了表示中的知識遺忘。其次，為了使在單個會話中學習到的分類器适用于所有類，本文提出了一種連續進化分類器，它使用圖模型在分類器之間傳播上下文資訊以進行自适應。為了能夠學習進化計算，本文設計了一個僞增量學習範例，它附加地構造了一個僞增量學習任務，通過從基本資料集采樣資料來優化圖形參數。