因此, 设计增量学习模型时, 需确保模 型在学习新类的同时也能够抵抗灾难性遗忘....由于在更新模型后要求模型同时区分新类和旧 类, 类别增量学习问题的研究相比任务增量学习和 域增量学习都更具挑战性, 对于构建真实世界的鲁 棒分类器也更加具有现实意义, 因此成为了近年来 增量学习问题研究的重点和难点...算法层面
开放世界的学习范式:在开放动态环境下, 模型 应当不仅能学习新类, 更应当拥有检测未知新类的 能力....其中开放集识别指模型能够在区分已知类的 同时检测数据集中的未知类. 新类发现指模型能够 从多个未知类构成的集合中发掘出不同新类的子 簇....在这方面, Zhou 等[130] 提出了利用增量学 习过程中新类和旧类间的语义相似关系[217,218] 指 导分类器间最优输运[219,220] 的增量学习算法, 实 现了从旧模型到新模型的知识迁移