Apr, 2023

视频动作识别的持续学习方法基线

PDF
TL;DR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。
continual learningvideo action recognitionrehearsal methodsmemory-efficientperformance
发现论文，激发创造
  • 只是一瞥：重新思考视频连续学习的时间信息

    在视频持续学习中，我们提出了一种名为 SMILE 的新型重播机制，通过个体 / 单帧对有效视频持续学习进行了改进，并在 Kinetics、UCF101 和 ActivityNet 数据集上实现了最先进的性能，优于之前的最新技术达 21.49%。

    May, 2023

  • 深度视频动作识别的全面研究

    本文综述了 200 多篇关于视频动作识别的深度学习论文，介绍了 17 个影响模型设计的数据集和深度学习模型的发展历程，包括深度学习适应、双流网络、3D 卷积核和计算效率模型，并对几种方法在典型数据集上进行了基准测试，最后，讨论了视频动作识别面临的问题和未来的研究机会。

    Dec, 2020

  • 视频中动作识别的类递增学习

    利用时间通道重要性映射和知识蒸馏的方法，解决了视频识别增量学习中的遗忘问题，并证明了该算法相比于针对图像数据的现有增量学习方法更为有效。

    Mar, 2022

  • 再次训练的局限性和优点揭示：持续学习中重访样本的限度和优点

    本文探讨了不断学习中，使用 rehearsal 方法的优点和局限，通过三个基准测试提供了实证证据，指出使用该方法的模型在任务完成后仍然处于较低的损失区域，但有过拟合采样数据的风险从而降低模型的泛化能力，这是一项重要的持续学习研究。

    Apr, 2021

  • 小批量非独立同分布下的免重复训练持续学习

    本文提出了一种基于 CORe50 基准和无重演技术的新颖的持续学习协议，可在小批量非 i.i.d. 增量的挑战性情况下有效学习，并且我们的实验表明，在某些情况下，AR1 * 可以比其他最先进的无重演技术的精度提高 15％以上，而且在训练批次之间具有非常轻量和恒定的计算和存储开销。

    Jul, 2019

  • 基于重播的连续学习在语义分割中的应用: RECALL

    研究使用生成对抗网络和网络抓取数据重现不可用的旧类数据，避免遗忘和背景类的数据分布变化，达到在连续学习中存在不同步骤和背景类分布变化的情况下更好的表现。

    Aug, 2021

  • 基于显著性导向的隐藏联想回放用于持续学习

    这篇研究论文介绍了一种用于持续学习的新框架，它将关联记忆与回放策略相结合，通过稀疏内存编码归档显著的数据片段，并引入面向内容的记忆检索机制，通过实验证明了该方法在各种持续学习任务中的有效性。

    Oct, 2023

  • 最大干扰检索的在线连续学习

    该论文探讨了在机器学习系统中，面对一个不断涌现的数据流的情况下，通过回放的方法来控制采样记忆，从而提供全新的方案来解决单通道数据训练面临的挑战，并通过多个标准基准测试，达到了与或超过现有最先进技术的表现。

    Aug, 2019

  • 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

  • 基于图的持续学习

    本文提出通过增加可学习的随机图来维护和重放以前样本的小型陈情表记忆，来解决非静态分布中可用数据的持续学习问题的方法。在多个基准数据集上的实证结果表明，该模型持续胜过最近提出的基线方法，用于无任务的持续学习。

    Jul, 2020