多标签增量学习
通过融合多视图特征和保留历史注意力模块，有效缓解灾难性遗忘并处理类不平衡问题。
Tan, Anhui · Yu, Wang · Wu, Wei Zhi · Ding W. · 梁吉业
Information Fusion 2025
从图像三个视角提取并融合类节点特征，同时捕获局部和全局信息。
保留先前学习会话中训练的注意力融合模块，为各自学习的类别提供独立概率预测，从而缓解灾难性遗忘。
结合当前会话与历史冻结注意力模块的预测，提高伪标签准确性。
根据类别出现频率动态调整负焦点参数，平衡类内和类间性能。