摘要
增量学习是一种通过从新数据中学习来增加现有知识的范式,通常用于向现有模型添加新类或学习新域.与一次性获得所有训练数据的批量学习相比,增量学习与人类学习的过程更为相似,因此具有更高的现实意义.增量学习面临的最大问题是"灾难性遗忘",即学习新任务忘记旧任务的现象.近年来,人们已提出大量的方法来缓解该问题,主要包括三类技术,分别是:基于回放、基于正则化及基于参数隔离.现通过对计算机视觉中增量学习的研究进展做出阐述,讨论其特点及子领域,针对当前三类主流技术,介绍其特点及代表性方法,最后总结增量学习目前存在的问题,并对研究方向做出展望.
基金项目
宁夏回族自治区自然科学基金(2021AAC03084)
NETL
NSTL
维普
万方数据