Non-Exemplar Class-Incremental Learning via Adaptive Old Class Reconstruction

计算机科学 判别式 班级(哲学) 水准点(测量) 人工智能 特征(语言学) 强化学习 渐进式学习 机器学习 适应(眼睛) 任务(项目管理) 过程(计算) 模式识别(心理学) 工程类 光学 物理 哲学 操作系统 系统工程 地理 语言学 大地测量学
作者
Shaokun Wang,Weiwei Shi,Yuhang He,Yifan Yu,Yihong Gong
标识
DOI:10.1145/3581783.3611926
摘要

In the Class-Incremental Learning (CIL) task, rehearsal-based approaches have received a lot of attention recently. However, storing old class samples is often infeasible in application scenarios where device memory is insufficient or data privacy is important. Therefore, it is necessary to rethink Non-Exemplar Class-Incremental Learning (NECIL). In this paper, we propose a novel NECIL method named POLO with an adaPtive Old cLass recOnstruction mechanism, in which a density-based prototype reinforcement method (DBR), a topology-correction prototype adaptation method (TPA), and an adaptive prototype augmentation method (APA) are designed to reconstruct pseudo features of old classes in new incremental sessions. Specifically, the DBR focuses on the low-density features to maintain the model's discriminative ability for old classes. Afterward, the TPA is designed to adapt old class prototypes to new feature spaces in the incremental learning process. Finally, the APA is developed to further adapt pseudo feature spaces of old classes to new feature spaces. Experimental evaluations on four benchmark datasets demonstrate the effectiveness of our proposed method over the state-of-the-art NECIL methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
追寻的问玉完成签到 ,获得积分10
刚刚
onevip完成签到,获得积分0
6秒前
关中人完成签到,获得积分10
8秒前
潇洒的秋荷完成签到,获得积分10
9秒前
火星的雪完成签到 ,获得积分10
16秒前
was_3完成签到,获得积分10
21秒前
安然完成签到 ,获得积分10
23秒前
雨后完成签到 ,获得积分10
25秒前
和平完成签到 ,获得积分10
26秒前
细心健柏完成签到 ,获得积分10
28秒前
小刺猬完成签到,获得积分10
31秒前
帅气的沧海完成签到 ,获得积分10
35秒前
优雅的平安完成签到 ,获得积分10
35秒前
buerzi完成签到,获得积分10
36秒前
yurunxintian完成签到,获得积分10
38秒前
wzk完成签到,获得积分10
38秒前
LaixS完成签到,获得积分10
41秒前
清秀的不言完成签到 ,获得积分10
41秒前
要笑cc完成签到,获得积分10
43秒前
DLT给DLT的求助进行了留言
43秒前
宣宣宣0733完成签到,获得积分10
45秒前
白斯特完成签到,获得积分10
46秒前
胡质斌完成签到,获得积分10
47秒前
天才小能喵完成签到 ,获得积分0
47秒前
ru完成签到 ,获得积分10
48秒前
茹茹完成签到 ,获得积分10
49秒前
科研通AI2S应助科研通管家采纳,获得10
51秒前
59秒前
Jayzie完成签到 ,获得积分10
1分钟前
白枫完成签到 ,获得积分10
1分钟前
1分钟前
一个小胖子完成签到,获得积分10
1分钟前
巴达天使完成签到,获得积分10
1分钟前
天天开心完成签到 ,获得积分10
1分钟前
1分钟前
我就想看看文献完成签到 ,获得积分10
1分钟前
1分钟前
khh完成签到 ,获得积分10
1分钟前
CoCo完成签到 ,获得积分10
1分钟前
啦啦啦啦完成签到 ,获得积分10
1分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Cognitive Neuroscience: The Biology of the Mind 1000
Technical Brochure TB 814: LPIT applications in HV gas insulated switchgear 1000
Immigrant Incorporation in East Asian Democracies 600
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
A Preliminary Study on Correlation Between Independent Components of Facial Thermal Images and Subjective Assessment of Chronic Stress 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3968559
求助须知:如何正确求助?哪些是违规求助? 3513358
关于积分的说明 11167370
捐赠科研通 3248804
什么是DOI,文献DOI怎么找? 1794465
邀请新用户注册赠送积分活动 875116
科研通“疑难数据库(出版商)”最低求助积分说明 804664