图像分类中的持续学习方法综述

图像分类中的持续学习方法综述

图像分类中的在线持续学习：一份经验调查报告XIV论文摘要https://arxiv.org/abs/2101.10423arXiv Pdf论文https://arxiv.org/pdf/2101.10423.pdfGitHub https://github.com/RaptorMai/online-continual-learninghttps://arxiv.org/abs/2101.10423 https://arxiv.org/pdf/2101.10423.pdf https://github.com/RaptorMai/online-continual-learning

…持续学习的挑战是避免灾难性遗忘(CF)，即在有新任务的情况下忘记旧任务。

…解决这一问题的方法和技巧有很多，但在各种现实和实际情况下，许多方法和技巧还没有得到公平和系统的比较。

…调查的目的是(1)比较最新的MIR、ICAL和GDUMB等方法，确定哪种方法在不同的实验设置下效果最好；(2)确定在领域增量设置中最好的类增量方法是否也是好胜；(3)评估7种简单而有效的技巧(如“回顾”技巧和最近类均值分类器)的性能，以评估它们的相对影响。

关于(1)…当内存缓冲区较小时，ICAL保持好胜状态(…在中等大小的数据集…上，GDumb优于最近提出的许多方法MIR在较大规模的数据集中执行得最好。

对于(2)，…GDumb的…性能相当差MIR-已经是(1)的好胜-在这个非常不同但很重要的设置中也是强有力的好胜。总体而言，这让我们可以得出结论，MIR总体上是一种在各种设置下都是一种强大和通用的方法。

对于(3)，我们发现所有7个技巧都是有益的，当增加“审查”技巧和NCM分类器时，MIR产生的性能水平使在线持续学习更接近其最终目标-匹配离线培训。

随时了解最新情况。使用我的其他帖子按类别https://morrislee1234.wixsite.com/website/contactWeb订阅我的帖子https://morrislee1234.wixsite.com/website站点https://morrislee1234.wixsite.com/website/contact https://morrislee1234.wixsite.com/website

领英https://www.linkedin.com/in/morris-lee-47877b7bhttps://www.linkedin.com/in/morris-lee-47877b7b