10代表性类别增量学习方法在 CIFAR-100 和 ImageNet-Sub 数据集上的性能比较. 数据回放方法为 每个旧类别保存 10 个样本. 从左到右依次为 5, 10 和 25 阶段增量学习设定.png
10代表性类别增量学习方法在 CIFAR-100 和 ImageNet-Sub 数据集上的性能比较. 数据回放方法为 每个旧类别保存 10 个样本. 从左到右依次为 5, 10 和 25 阶段增量学习设定.png
File metadata and controls
388 KB
{{ message }}