Continual Learning
メソドロジーとは、研究や問題解決に採用される体系的な方法や手順のことを指します。その目的は、科学的かつ標準化されたプロセスを通じて研究の正確性と信頼性を確保し、問題解決の効率と質を向上させることです。さまざまな分野で、メソドロジーの応用価値は特に顕著であり、研究者にとって研究方向を明確にするだけでなく、プロジェクト実施のための標準的な操作ガイドも提供し、学際的な協力と成果の共有を促進します。
20Newsgroup (10 tasks)
5-dataset - 1 epoch
5-Datasets
ASC (19 tasks)
CTR
CIFAR-100 AlexNet - 300 Epoch
CIFAR-100 ResNet-18 - 300 Epochs
IBM
Cifar100 (10 tasks)
RMN (Resnet)
Cifar100 (20 tasks)
Model Zoo-Continual
Cifar100 (20 tasks) - 1 epoch
Coarse-CIFAR100
Model Zoo-Continual
CUB-200-2011 (20 tasks) - 1 epoch
CUBS (Fine-grained 6 Tasks)
CondConvContinual
DSC (10 tasks)
CTR
F-CelebA (10 tasks)
CAT (CNN backbone)
Flowers (Fine-grained 6 Tasks)
CondConvContinual
ImageNet-50 (5 tasks)
RMN
ImageNet (Fine-grained 6 Tasks)
CondConvContinual
mini-Imagenet (20 tasks) - 1 epoch
TAG-RMSProp
miniImagenet
MiniImageNet ResNet-18 - 300 Epochs
MLT17
Permuted MNIST
RMN
Rotated MNIST
Model Zoo-Continual
Sketch (Fine-grained 6 Tasks)
Split CIFAR-10 (5 tasks)
H$^{2}$
split CIFAR-100
Split MNIST (5 tasks)
H$^{2}$
Stanford Cars (Fine-grained 6 Tasks)
CPG
Tiny-ImageNet (10tasks)
ALTA-ViTB/16
TinyImageNet ResNet-18 - 300 Epochs
visual domain decathlon (10 tasks)
NetTailor
Wikiart (Fine-grained 6 Tasks)