nVFNet-RDC: Replay and Non-Local Distillation Collaboration for Continual Object Detection

要約

継続的学習(Continual Learning: CL)は、新しい環境に適応し、新しいスキルを学習する能力を持つアルゴリズムを開発することに焦点を当てている。この非常に挑戦的な課題は近年多くの関心を呼び、新しい解決策が急速に現れている。本論文では、継続的な物体検出のためのnVFNet-RDCのアプローチを提案する。我々のnVFNet-RDCは教師-生徒モデルで構成され、再生と特徴抽出の戦略を採用している。第3回CLVision Challenge Track 2とTrack 3において,それぞれ55.94%と54.65%の平均mAPを達成し,1位を獲得した.

要約(オリジナル)

Continual Learning (CL) focuses on developing algorithms with the ability to adapt to new environments and learn new skills. This very challenging task has generated a lot of interest in recent years, with new solutions appearing rapidly. In this paper, we propose a nVFNet-RDC approach for continual object detection. Our nVFNet-RDC consists of teacher-student models, and adopts replay and feature distillation strategies. As the 1st place solutions, we achieve 55.94% and 54.65% average mAP on the 3rd CLVision Challenge Track 2 and Track 3, respectively.

arxiv情報

著者 Jinxiang Lai,Wenlong Liu,Jun Liu
発行日 2022-09-08 06:59:42+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.CV パーマリンク