基于IMIU的在線類增量對比學習

摘要： 在線類增量連續(xù)學習旨在數(shù)據(jù)流場景下進行有效的新類學習,并保證模型滿足小緩存和小批次約束.然而由于數(shù)據(jù)流的單趟(one-pass)特性,小批次內(nèi)的類別信息難以如離線學習那樣被多趟探索利用.為緩解該問題,目前常采用數(shù)據(jù)多重增廣并借助對比回放建模.但考慮到小緩存和小批次限制,現(xiàn)有隨機選擇和保存數(shù)據(jù)的策略不利于獲取多樣性的負樣本,制約了模型判別性.已有研究表明困難負樣本是提升對比學習性... （共14頁）