知识引导关系细化模块

小样本类增量学习性能提升

该模块通过交叉注意力传播旧类知识，同时更新分类器权重和测试特征，在不引入额外参数的情况下提升连续进化分类器的性能。

Ye, Wang · Wang, Yaxiong · Zhao, Guoshuai · 钱学明

IEEE Transactions on Circuits and Systems for Video Technology 2023

技术优势

新旧类信息更均衡

通过交叉注意力让分类器权重和测试特征互相更新，旧类知识得到有效传播，缓解新类样本稀少导致的信息不均衡。

应用场景

• 小样本类增量学习：在仅少量新样本的情况下持续学习新类，同时不遗忘旧类。
• 持续学习：在不冻结分类器的情况下保持旧知识，避免灾难性遗忘。
• 图像分类：在图像分类任务中，当新类别样本极少时仍能保持高准确率。