内省 GAN 模型

边生成边分类

一个能边生成边分类、随新任务生长的 GAN，分类与生成在增量学习中互相促进。

He, Chen · 王瑞平 · Shiguang, Shan · 陈熙霖

Pattern Recognition 2024

技术优势

不要旧数据

用生成记忆替代存储旧样本，学习新类别时不必回看旧数据。

生成分类互促

统一框架里生成和分类互相加强，增量场景下两者都能受益。

抗特征漂移

原型分类对增量学习中的特征变化更稳健，模型随新类动态生长。

应用场景

• 终身学习：让 Agent 连续学新类而不忘旧类，省去重训全部数据的代价。
• 视觉分类：分类器边学边生成判别特征，不用再收集海量标注样本。
• 机器人感知：机器人遇到新物体时能即时扩展识别，不必回厂更新模型。
• 智能监控：监控系统能随时加入新目标类别，旧威胁识别能力也不退化。