跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. 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
–

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。