TPAMI 2024 | 无需重训练即可掌握新技能，深度学习模型实现终身学习革命！

文章预览

题目：Rectification-Based Knowledge Retention for Task Incremental Learning 基于矫正的知识保持用于任务增量学习 作者：Pratik Mazumder; Pravendra Singh; Piyush Rai; Vinay P. Namboodiri 摘要 在任务增量学习问题中，深度学习模型在训练新类别/任务时会遭受之前见过的类别/任务的灾难性遗忘。当一些测试类别不属于训练类集时，这个问题变得更加困难，即任务增量广义零样本学习问题。我们提出了一种新的方法来解决非零样本和零样本设置中的任务增量学习问题。我们提出的方法，称为基于校正的知识保留（Rectification-based Knowledge Retention, RKR），通过应用权重校正和仿射变换来使模型适应任何任务。在测试期间，我们的方法可以使用任务标签信息（任务感知）来快速适应网络到该任务。我们还扩展了我们的方法，使其在测试期间任务标签信息不可用时也能工作（任务不可知） ………………………………