nVFNet-RDC：面向持续目标检测的重放与非局部蒸馏协作方法
计算机视觉与模式识别
2022-09-09 v1
摘要
持续学习（Continual Learning, CL）致力于开发能够适应新环境并学习新技能的算法。这一极具挑战性的任务近年来引起了广泛关注，新解决方案层出不穷。本文提出一种用于持续目标检测的 nVFNet-RDC 方法。我们的 nVFNet-RDC 由教师-学生模型组成，并采用重放与特征蒸馏策略。作为第 1 名的解决方案，我们分别在第三届 CLVision 挑战赛 Track 2 和 Track 3 上取得了 55.94% 和 54.65% 的平均 mAP。
引用
@article{arxiv.2209.03603,
title = {nVFNet-RDC: Replay and Non-Local Distillation Collaboration for Continual Object Detection},
author = {Jinxiang Lai and Wenlong Liu and Jun Liu},
journal= {arXiv preprint arXiv:2209.03603},
year = {2022}
}