视频动作识别中持续学习方法的一项基线研究
计算机视觉与模式识别
2023-04-27 v2 人工智能
摘要
持续学习近来引起了研究界的关注，因为它旨在解决经典监督训练模型的长期局限性。然而，该主题的大多数研究都是在简单的图像分类场景中处理持续学习。在本文中，我们提出了一个在视频动作识别上最先进持续学习方法的基准。除了时间维度带来的复杂性增加之外，视频设定对性能最优的排练方法的计算资源提出了更高的要求。为了抵消增加的内存需求，我们提出了两种与具体方法无关的排练方法变体，利用模型置信度或数据信息的度量来选择可记忆样本。我们的实验表明，正如文献所预期的那样，排练方法优于其他方法；此外，所提出的节省内存的变体被证明在较小缓冲区大小下能有效保持一定程度的性能。
引用
@article{arxiv.2304.10335,
title = {A baseline on continual learning methods for video action recognition},
author = {Giulia Castagnolo and Concetto Spampinato and Francesco Rundo and Daniela Giordano and Simone Palazzo},
journal= {arXiv preprint arXiv:2304.10335},
year = {2023}
}