用于目标检测中持续学习的 Contrast R-CNN
计算机视觉与模式识别
2021-08-10 v1
摘要
持续学习问题在图像分类中已被广泛研究，但在目标检测中的探索却很少。一些近期工作应用知识蒸馏来约束模型保留旧知识，但这种刚性约束不利于学习新知识。在本文中，我们提出了一种新的目标检测持续学习方案，即 Contrast R-CNN，该方法在保留旧知识和学习新知识之间取得了平衡。此外，我们设计了一个 Proposal Contrast 以消除新旧实例之间的歧义，使持续学习更加鲁棒。在 PASCAL VOC 数据集上的广泛评估证明了我们方法的有效性。
引用
@article{arxiv.2108.04224,
title = {Contrast R-CNN for Continual Learning in Object Detection},
author = {Kai Zheng and Cen Chen},
journal= {arXiv preprint arXiv:2108.04224},
year = {2021}
}
备注
MSc Thesis