Non Exemplar Based Class Incremental Learning

Non-exemplar-based Class Incremental Learning은 기존 클래스의 샘플을 유지하지 않고 새로운 클래스를 지속적으로 학습하는 머신 러닝 방법입니다. 이 접근 방식은 모델의 지식 업데이트와 확장을 통해 재앙적 잊어버림(catastrophic forgetting) 문제를 해결하기 위해 학습 전략을 최적화하고 모델 구조를 조정합니다. 이는 새로운 지식을 획득하면서도 이전에 학습한 지식의 성능이 크게 저해되지 않도록 합니다. 컴퓨터 비전 분야에서는 이 방법이 동적 환경에서 이미지 분류 및 객체 검출과 같은 작업에 큰 응용 가치를 가지고 있으며, 모델의 적응성과 견고성을 효과적으로 향상시킵니다.