持续目标检测的高效参数挖掘与冻结
计算机视觉与模式识别
2024-02-21 v1 人工智能
摘要
持续目标检测对于使智能体能够在现实环境中主动与人类交互至关重要。虽然参数隔离策略在分类任务的持续学习背景下已被广泛探索，但它们在增量目标检测场景中尚未得到充分利用。受先前专注于挖掘单个神经元响应的研究启发，并结合神经剪枝领域的最新进展，我们提出了有效的方法来识别哪些层对于网络在顺序更新中保持检测器性能最为重要。所呈现的发现突出了层级参数隔离在促进目标检测模型增量学习方面的显著优势，为现实场景中的未来研究和应用提供了有希望的途径。
引用
@article{arxiv.2402.12624,
title = {Efficient Parameter Mining and Freezing for Continual Object Detection},
author = {Angelo G. Menezes and Augusto J. Peterlevitz and Mateus A. Chinelatto and André C. P. L. F. de Carvalho},
journal= {arXiv preprint arXiv:2402.12624},
year = {2024}
}
备注
In Proceedings of the 19th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications - Volume 2: VISAPP, ISBN 978-989-758-679-8, ISSN 2184-4321, pages 466-474