클래스 증가형 학습
적은 수의 클래스 자료만 한 번에 제공되고 새 클래스가 점진적으로 추가되는 조건을 다룬다. 지금까지 관찰한 전체 클래스를 계속 분류하면서 자원 사용도 제한해야 한다.
표현과 분류기의 공동 갱신
고정된 특징만 사용하는 접근과 달리 자료 표현과 분류기를 함께 학습한다. 표현 학습에는 지식 증류와 프로토타입 예시 재학습을 사용한다.
예시 평균과 우선순위
분류는 클래스별 예시 평균에 가장 가까운 범주를 고르는 규칙을 사용한다. 예시는 herding에 기반한 우선순위로 선택해 제한된 기억 집합을 관리한다.
긴 클래스 순서의 평가
CIFAR-100과 ImageNet ILSVRC 2012에서 많은 클래스를 장기간 추가하는 조건을 평가했다. 핵심은 증분적으로 변하는 표현과 예시 기반 분류를 함께 유지하는 구성이다.
관련 문서
Learning without Forgetting / 종단간 증분 학습 / 대규모 증분 학습의 편향 보정 / 지식 증류 / L2P / CODA-Prompt