类增量式新类别发现
计算机视觉与模式识别
2022-07-19 v1
摘要
我们研究了一个新的任务——类增量式新类别发现（class-iNCD），其指的是利用在一个包含互不相交但相关类别的带标签数据集上预训练的模型，在未标签数据集中发现新类别的问题。除了发现新类别外，我们还旨在保持模型识别先前已见基类的能力。受基于回放的增量学习方法的启发，本文提出了一种用于类增量式新类别发现的新型方法，该方法通过联合利用基类特征原型和特征级知识蒸馏来防止遗忘关于基类的历史信息。我们还提出了一种自训练聚类策略，可同时聚类新类别并训练一个用于基类和新类别的联合分类器。这使得我们的方法能够在类增量式设定下运行。我们在三个常用基准上进行的实验表明，我们的方法显著优于当前最先进的方法。代码可在 https://github.com/OatmealLiu/class-iNCD 获取。
引用
@article{arxiv.2207.08605,
title = {Class-incremental Novel Class Discovery},
author = {Subhankar Roy and Mingxuan Liu and Zhun Zhong and Nicu Sebe and Elisa Ricci},
journal= {arXiv preprint arXiv:2207.08605},
year = {2022}
}
备注
ECCV 2022