第三届持续学习研讨会以自我中心类别与实例级物体理解为主题的挑战赛
计算机视觉与模式识别
2022-12-15 v1 人工智能
机器学习
摘要
持续学习，亦称终身学习和增量学习，近来在人工智能研究界重新获得关注。近期的研究努力迅速催生了能够降低深度神经网络中灾难性遗忘现象影响的新算法。由于该领域兴趣的激增，近年来举办了诸多竞赛，因其是激发有望方向研究的绝佳机会。本文总结了在 CVPR 2022 第三届计算机视觉中的持续学习（CLVision）研讨会上所举办挑战赛的理念、设计选择、规则与结果。该竞赛聚焦于复杂的持续物体检测任务，与分类任务相比，文献中对此仍探索不足。挑战赛基于新颖的 EgoObjects 数据集的竞赛版本，这是一个大规模自我中心物体数据集，专为以自我中心的类别级/实例级物体理解的持续学习算法评测而设计，其在约 10 万视频帧中涵盖超过 1000 个独特主要物体与 250 余个类别。
引用
@article{arxiv.2212.06833,
title = {3rd Continual Learning Workshop Challenge on Egocentric Category and Instance Level Object Understanding},
author = {Lorenzo Pellegrini and Chenchen Zhu and Fanyi Xiao and Zhicheng Yan and Antonio Carta and Matthias De Lange and Vincenzo Lomonaco and Roshan Sumbaly and Pau Rodriguez and David Vazquez},
journal= {arXiv preprint arXiv:2212.06833},
year = {2022}
}
备注
21 pages, 12 figures, 5 tables