Sep, 2020

CVPR 2020 计算机视觉持续学习竞赛：方法，结果，当前挑战和未来方向

PDF
TL;DR本文介绍了计算机视觉中的连续学习问题，通过举办首届连续学习竞赛的方式，评估和对比不同算法的性能和适用性，并总结了赢得比赛的算法和未来的研究方向。
continual learningdeep neural networkscatastrophic forgettingbenchmarkingcomputer vision
发现论文，激发创造
  • 批级经验回放与复盘在持续学习中的应用

    本文介绍了我们的方法 —— 基于批次的经验回放与复习 —— 来应对 CVPR 2020 CLVision Continual Learning for Computer Vision 挑战，并通过 CORe50 数据集的三个不同迭代学习场景在 79 个参赛团队中分别获得第一名。

    Jul, 2020

  • 第三届自我中心类别和实例级别物体认知持续学习研讨会比赛

    本文概述了第三届连续学习计算机视觉竞赛（CLVision）在 CVPR 2022 中举办的挑战的思想、设计选择、规则和结果，其中焦点是复杂的连续物体检测任务，挑战基于新的 EgoObjects 数据集，涵盖了 100k 个视频帧中的 1000 多个独特主要对象和 250 多个类别，以基准测试连续学习算法的信息视点类别 / 实例级对象理解。

    Dec, 2022

  • 不要忘记，遗忘并不是全部：连续学习的新指标

    本文提出了一种更综合全面的衡量连续学习算法的方法，包括准确性、知识转移、内存占用和计算效率等多方面的度量，并将这些度量融合成一个评分，通过评估五种算法在 iCIFAR-100 数据集上的表现来证明这种方法的优越性。

    Oct, 2018

  • 持续学习是否为现实世界的挑战做好准备？

    通过使用模拟真实世界条件的新实验协议，本文验证了关于连续学习的假设，并评估迄今取得的进展。结果表明，考虑到所有方法均表现不佳，明显偏离联合离线训练的上限，这对现实环境中的现有方法的适用性提出了问题。本文旨在通过新的实验协议来倡导采用连续学习方法，以在该领域取得突破。

    Feb, 2024

  • 部署的持续学习系统保证

    作者创建了一个新的安全框架，并验证了该框架在动态图像分类中的有效性，该框架可以用于安全地进行自动甲板跟踪，并显著扩展图像分类器的工作范围。

    Nov, 2023

  • 医学影像学中的持续学习：从理论到实践的调查和实际分析

    通过综述医学领域中的连续学习研究，本文旨在全面审视近期的文献，突出最新趋势，并指出实际问题，包括分类、分割、检测等任务中的连续学习研究。除了识别挑战并提供应对策略，我们还对医学影像中连续学习的现状进行批判性讨论，包括识别开放问题并勾勒有前景的未来方向。希望本文将为研究人员提供领域发展的有用概述，并进一步增加学术界的兴趣。

    May, 2024

  • 持续学习：应用与未来发展

    连续学习是机器学习的一个子领域，本文调查了连续学习研究中的内存受限设置、未解决的问题以及未来的研究方向。

    Nov, 2023

  • 医学影像分析中的持续学习：最新进展与未来前景的综述

    在医学影像分析中，深度学习算法的快速发展使得医学影像分析取得了显著的进展，但是在推理数据集与模型训练时所见数据略有不同的情况下，模型的性能会受到很大影响。因此，需要采用连续学习技术来处理新类别、新任务和非稳态环境中的数据变化。本系统综述论文对连续学习技术在医学影像分析中的应用进行了全面的概述，包括灾难性遗忘、数据漂移、稳定性和可塑性要求等方面的研究，同时对连续学习方案、技术、评价方案和指标等关键组成部分进行了深入讨论。

    Dec, 2023

  • 持续语义分割研究综述：理论、挑战、方法与应用

    连续学习在深度学习和人工智能系统中具有突破性意义，本文以连续语义分割为例，全面调查其问题形式、主要挑战、通用数据集、新理论和多样应用，并分类整理了当前 CSS 模型中的数据回放和无数据集两个主要分支方法，并提供了具有不同应用场景和发展趋势的四个 CSS 特性。

    Oct, 2023

  • 视频动作识别的持续学习方法基线

    本文旨在针对视频动作识别领域提出一种有效的、高效的方法来解决模型不断学习的问题，包括使用模型信心或数据信息来选择可记忆的样本的方法，并针对此方法进行评估，得出了在小缓冲区的条件下表现出更高的学习效果。

    Apr, 2023