CIFAR-100 - 50 classes + 5 steps of 10 classes
평가 기록 15건
Papers with Code 아카이브
Incremental Learning
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 0
- 평가표
- 22
- 보존된 평가 기록
- 112
Incremental learning aims to develop artificially intelligent systems that can continuously learn to address new tasks from new data while preserving knowledge learned from previously learned tasks.
평가 결과
데이터셋과 평가 조건을 선택해 성능·논문·코드를 비교하세요. 보존된 Papers with Code 기록으로, 최신 순위는 아닙니다.
CIFAR-100 - 50 classes + 10 steps of 5 classes
평가 기록 13건
ImageNet100 - 10 steps
평가 기록 13건
CIFAR-100-B0(5steps of 20 classes)
평가 기록 10건
ImageNet - 10 steps
평가 기록 10건
CIFAR100-B0(10steps of 10 classes)
평가 기록 6건
CIFAR-100 - 50 classes + 25 steps of 2 classes
평가 기록 5건
CIFAR100B020Step(5ClassesPerStep)
평가 기록 5건
ImageNet-100 - 50 classes + 10 steps of 5 classes
평가 기록 5건
ImageNet-100 - 50 classes + 5 steps of 10 classes
평가 기록 5건
CIFAR-100 - 50 classes + 2 steps of 25 classes
평가 기록 4건
ImageNet - 500 classes + 10 steps of 50 classes
평가 기록 4건
ImageNet - 500 classes + 5 steps of 100 classes
평가 기록 4건
ImageNet-100 - 50 classes + 25 steps of 2 classes
평가 기록 3건
CIFAR-100 - 50 classes + 50 steps of 1 class
평가 기록 2건
ImageNet-100 - 50 classes + 50 steps of 1 class
평가 기록 2건
CIFAR-100 - 40 classes + 60 steps of 1 class (Exemplar-free)
평가 기록 1건
CIFAR100B050S(2ClassesPerStep)
평가 기록 1건
ImageNet - 500 classes + 25 steps of 20 classes
평가 기록 1건
ImageNet-10k - 5225 classes + 5 steps of 1045 classes
평가 기록 1건
ImageNet100 - 20 steps
평가 기록 1건
MLT17
평가 기록 1건
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.