CC-GFRT：基于类别关联的细粒度特征优化与迁移方法，用于非示例类别的增量学习

《Knowledge-Based Systems》：CC-GFRT: Class Correlation-based Granular Feature Refinement and Transfer for Non-Exemplar Class Incremental Learning

　　

高瑞轩|邓宗勇|岳阳|赵奇军

• •
  CC-GFRT 通过新旧类别之间的关联来减轻 NECIL 中的灾难性遗忘现象。
• •
  DPR 确保原型具有适应性和区分能力，从而优化决策边界。
• •
  LSKT 通过在类别/特征层面进行选择性迁移来协调特征提取器的工作。
• •
  CC-GFRT 在 NECIL 中取得了最佳性能，并在 LReID 中实现了跨场景的迁移能力。