CVPR 2020计算机视觉持续学习竞赛：方法、结果、当前挑战与未来方向
计算机视觉与模式识别
2020-09-22 v1 人工智能
机器学习
机器学习
摘要
在过去几年中，我们见证了以深度神经网络进行持续学习的研究兴趣的复兴与快速增长，其共同目标是使当前AI系统更具适应性、高效性和自主性。然而，尽管该领域在解决灾难性遗忘问题上取得了显著且无疑的进展，对不同持续学习方法进行基准测试本身是一项困难任务。事实上，鉴于不同设置、训练与评估协议、指标和术语的激增，往往难以恰当刻画一个持续学习算法、将其与其他方案关联并衡量其真实世界适用性。2020年CVPR上举办的首次计算机视觉持续学习挑战赛，是在通用硬件上利用大量共享评估指标和基于真实CORe50视频基准的3种不同设置评估不同持续学习算法的首批机会之一。本文报道了该竞赛的主要结果，其注册团队超过79支、决赛入围11支、奖金2300$。我们也总结了获胜方法、当前挑战与未来研究方向。
引用
@article{arxiv.2009.09929,
title = {CVPR 2020 Continual Learning in Computer Vision Competition: Approaches, Results, Current Challenges and Future Directions},
author = {Vincenzo Lomonaco and Lorenzo Pellegrini and Pau Rodriguez and Massimo Caccia and Qi She and Yu Chen and Quentin Jodelet and Ruiping Wang and Zheda Mai and David Vazquez and German I. Parisi and Nikhil Churamani and Marc Pickett and Issam Laradji and Davide Maltoni},
journal= {arXiv preprint arXiv:2009.09929},
year = {2020}
}
备注
Pre-print v1: 12 pages, 3 figures, 8 tables