RECALL+：面向语义分割持续学习的对抗式网络数据回放
计算机视觉与模式识别
2024-02-20 v2
摘要
灾难性遗忘先前知识是持续学习中的关键问题，通常通过各类正则化策略来处理。然而，现有方法尤其在执行多个增量步骤时表现不佳。在本文中，我们扩展了先前的方法（RECALL），并通过利用无监督网络爬取数据从在线数据库中检索旧类样本来应对遗忘。与未对网络数据加以评估的原始方法不同，本工作提出了两种先进技术：一种对抗式方法与一种自适应阈值策略。这些方法用于细致筛选与已不可得的训练数据具有强统计一致性的网络数据样本。此外，我们改进了伪标注方案，以实现对网络数据更精确的标注，同时考虑当前步骤正在学习的类别。实验结果表明，这一增强方法取得了显著效果，尤其在增量场景跨越多个步骤时。
引用
@article{arxiv.2309.10479,
title = {RECALL+: Adversarial Web-based Replay for Continual Learning in Semantic Segmentation},
author = {Chang Liu and Giulia Rizzoli and Francesco Barbato and Andrea Maracani and Marco Toldo and Umberto Michieli and Yi Niu and Pietro Zanuttigh},
journal= {arXiv preprint arXiv:2309.10479},
year = {2024}
}