一般化少量データ意味領域分割における破滅的忘却を防ぐ

抄録

意味領域分割（セマンティックセグメンテーション）において、少量データで新規クラスの認識を目指す問題を考える。推論時に既知クラスと新規クラスの両方が登場する設定では、新規クラスを上手く学習することに加えて、学習済みの既知クラスの認識性能が落ちる破滅的忘却を防ぐことが課題となる。本研究では、既知クラスの認識性能をほとんど保持したまま新規クラスを認識できるモデルが作れることを理論解析と実験を通して示す。