RODEO：用于在线目标检测的重放方法
计算机视觉与模式识别
2020-08-17 v1 机器学习
摘要
人类能够增量式地学习完成新的视觉检测任务，这对当今的计算机视觉系统而言是一个巨大挑战。增量训练的深度学习模型缺乏对已见类别的向后迁移，并遭受所谓“灾难性遗忘”现象。在本文中，我们开创了目标检测的在线流式学习，其中智能体必须在严苛的内存和计算约束下逐样本学习。在目标检测中，系统必须输出图像中所有具有正确标签的边界框。与早期工作不同，本文所描述的系统能够以在线方式学习该任务，且新类别随时间不断引入。我们通过使用一种高效重放整个场景的新型记忆重放机制实现了这一能力。我们在PASCAL VOC 2007和MS COCO数据集上均取得了最先进（SOTA）的结果。
引用
@article{arxiv.2008.06439,
title = {RODEO: Replay for Online Object Detection},
author = {Manoj Acharya and Tyler L. Hayes and Christopher Kanan},
journal= {arXiv preprint arXiv:2008.06439},
year = {2020}
}
备注
Accepted for poster presentation at BMVC2020