模糊性引导的可学习分布校准在半监督少样本类增量学习中的应用.pdfVIP

1

模糊性引导的可学习分布校准在半监督少样

本类增量学习中的应用

FanLyu,Member,IEEE,LinglanZhao,ChengyanLiu,YinyingMei,ZhangZhang,Member,IEEE,

JianZhang,FuyuanHu,Member,IEEE,LiangWang,Fellow,IEEE

摘要—少样本类增量学习（FSCIL）关注的是模型如何在濒危物种识别等数据稀缺的情况下，开发了少样本类增

仅使用有限数据的情况下学习新概念，同时保留对先前类别知量学习（FSCIL）[8]–[13]，如图1(a)所示。

识的记忆。近期，许多研究开始利用未标记的样本来帮助模型

FSCIL解决了在数据有限的情况下增量学习新类

从少量样本中进行学习，从而产生了半监督少样本类增量学习

本（Semi-FSCIL）这一领域。然而，这些研究