CIFNet

新的CIFNet框架以解析方式解决了类别增量学习问题

研究人员开发了CIFNet，一个新颖的类别增量学习（CIL）框架，它绕过了传统的基于梯度的优化。通过将CIL视为一系列确定性的、闭式解的分类器适应过程，CIFNet在实现与现有方法相当的准确率的同时，显著降低了计算成本和能耗。该框架使用正则化递归最小二乘法（RRLS）来解析地更新分类器权重，并包含一个轻量级的校准缓冲区，以确保决策边界的平衡，而无需存储原始图像或执行梯度更新。