Un Sac de Astuces pour l'Apprentissage Class-Incrémental à Peu de Examples

Nous présentons un cadre « bag of tricks » pour l’apprentissage continu par classes peu illustrées (FSCIL), une forme particulièrement exigeante d’apprentissage continu, caractérisée par une adaptation continue à de nouvelles tâches à partir de très peu d’exemples. Le FSCIL exige à la fois une stabilité et une adaptabilité : préserver les compétences acquises sur les tâches antérieures tout en apprenant efficacement de nouvelles classes. Le cadre proposé rassemble six techniques clés et hautement influentes, améliorant la stabilité, l’adaptabilité et les performances globales dans un cadre unifié pour le FSCIL. Ces techniques sont organisées en trois catégories : des astuces de stabilité, des astuces d’adaptabilité et des astuces de formation. Les astuces de stabilité visent à réduire l’oubli des classes précédemment apprises en renforçant la séparation entre les représentations (embeddings) des classes déjà apprises et en minimisant les interférences lors de l’apprentissage de nouvelles classes. En revanche, les astuces d’adaptabilité se concentrent sur l’apprentissage efficace des nouvelles classes. Enfin, les astuces de formation améliorent les performances globales sans compromettre la stabilité ni l’adaptabilité. Nous menons des expérimentations approfondies sur trois jeux de données standards : CIFAR-100, CUB-200 et miniImageNet, afin d’évaluer l’impact de notre cadre. Une analyse détaillée montre que notre approche améliore de manière significative à la fois la stabilité et l’adaptabilité, établissant ainsi un nouveau record d’état de l’art en surpassant les méthodes antérieures dans ce domaine. Nous estimons que notre méthode constitue une solution de référence robuste et ouvre la voie à de futures recherches dans ce domaine.