MAGIC-SSCIL 提出无需存储旧数据的半监督类增量学习方法
热点事件持续更新
MAGIC-SSCIL 提出无需存储旧数据的半监督类增量学习方法
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
arXiv 论文 MAGIC-SSCIL 提出一种基于流形锚定与几何增量校准的半监督类增量学习算法,该方法在训练过程中无需存储旧数据。作者称其通过冻结特征图的 k 近邻图传播标签并利用软加权几何校准优化统计量。实验验证显示,该方法在 CIFAR-100、CUB-200 和 ImageNet-R 数据集上,于极低标注比例(如 1%)下表现优异,但在高标注比例时效果不如自适应骨干的方法。当前材料为 v2 修订版,已简化部分组件并更新了基线对比与分析。
AI 根据报道生成 · 10 小时前更新
最新进展11月18日 13:00
MAGIC-SSCIL:基于流形锚定与几何增量校准的半监督类增量学习报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv · 机器人与计算机视觉MAGIC-SSCIL:基于流形锚定与几何增量校准的半监督类增量学习
arXiv 论文 MAGIC-SSCIL 提出一种无需存储旧数据的半监督类增量学习方法,通过冻结特征图的 k 近邻图传播标签并利用软加权几何校准优化统计量。实验在 CIFAR-100、CUB-200 和 ImageNet-R 上验证,该方法在极低标注比例(如 1%)下表现优异,但在高标注比例时不如自适应骨干的方法。材料为 v2 修订版,简化了部分组件并更新了基线对比与分析。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月18日 17:00
- 近 24 小时变化
- –
02.557.510
18:0020:0022:0011月19日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。