持续目标检测：定义、策略与挑战综述
计算机视觉与模式识别
2022-06-01 v1 机器学习
机器人学
摘要
持续学习领域研究在不损失先前所学任务性能的前提下学习连续任务的能力。其焦点主要集中于增量分类任务。我们认为，由于持续目标检测在机器人与自动驾驶车辆中有广泛应用，该方向值得更多关注。该场景比常规分类更复杂，因为会出现当时未知但在后续任务中作为新类出现的实例，导致标注缺失并与背景标签冲突。本综述分析了当前为解决类增量目标检测问题所提出的策略。我们的主要贡献为：(1) 对提出传统增量目标检测场景解决方案的方法进行简短而系统的综述；(2) 使用一种新指标以标准化方式量化每种技术的稳定性与可塑性，对现有方法进行全面评估；(3) 概述持续目标检测中的当前趋势并讨论可能的未来研究方向。
引用
@article{arxiv.2205.15445,
title = {Continual Object Detection: A review of definitions, strategies, and challenges},
author = {Angelo G. Menezes and Gustavo de Moura and Cézanne Alves and André C. P. L. F. de Carvalho},
journal= {arXiv preprint arXiv:2205.15445},
year = {2022}
}