- …
- …
#280
summarized by : Hiroaki Aizawa
どんな論文か？
DNNは新たなタスクを与えられたとき過去に学んだ知識を忘れる破滅的忘却の問題を抱える．Incremental Learningは破滅的忘却を避けて新たなタスクを学習する方法であり，この論文では，過去のタスクから分けられたクラスの集合を与えられ，タスク推論なしに各タスクで与えられたすべてのクラスを分類できるような識別器を学習するClass-incrematal Learningの問題設定を扱う．
新規性
これまでは，過去のサンプルを保存もしくは生成モデルを利用した方法が一般的であったが実用的ではない．この論文では，PASSと呼ぶnon-exemplarベースの方法を提案．これまでの各クラスの一つのclass-representative prototypeを記憶し，以前のタスクの決定境界を保存するために特徴空間でのprototype augmentationを提案．
結果
実験では，CIFAR-10/100で検証を行い，提案するSSLベースの方法がIncremental Learningで効果を発揮することを実証．実験の結果は従来のnon-exemplarベースの方法を上回り，過去のデータを保存する必要があるexemplarベースの方法に匹敵するものであった．
その他（なぜ通ったか？等）
- …
- …