Zobrazeno 1 - 6
of 6
pro vyhledávání: '"Li, Kunchi"'
Rehearsal approaches in class incremental learning (CIL) suffer from decision boundary overfitting to new classes, which is mainly caused by two factors: insufficiency of old classes data for knowledge distillation and imbalanced data learning betwee
Externí odkaz:
http://arxiv.org/abs/2301.05180
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
In Knowledge-Based Systems 14 November 2021 231
Publikováno v:
IEEE Transactions on Circuits and Systems for Video Technology; August 2024, Vol. 34 Issue: 8 p7328-7343, 16p
Rehearsal approaches in class incremental learning (CIL) suffer from decision boundary overfitting to new classes, which is mainly caused by two factors: insufficiency of old classes data for knowledge distillation and imbalanced data learning betwee
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::eb9cab3ea2a681c52b54f12274b30375
http://arxiv.org/abs/2301.05180
http://arxiv.org/abs/2301.05180
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.