Are Labels Needed for Incremental Instance Learning?

要約

タイトル: 増分インスタンス学習にラベルは必要か？

要約:

– この論文では、視覚的なオブジェクトインスタンスを自己監視により、インクリメンタルかつ分類する方法について説明している。
– 学習者は一度に1つのインスタンスを観察し、その後データセットから削除する。
– 増分インスタンス学習は、学習セッションが長くなるほど健忘症が悪化し、インスタンスのラベリングは面倒であるため、課題である。
– これらの課題を克服するために、次の3つの貢献を行った。
i. オブジェクトインスタンスを順次学習できる、自己増分学習者VINILを提案する。
ii. VINILに自己監視を装備して、インスタンスラベルの必要性を回避する。
iii. VINILをラベルによる監視付きバリアントと比較し、2つの大規模なベンチマークで示し、VINILは大幅に精度を向上させながら、健忘症を減らすことができる。

要約(オリジナル)

In this paper, we learn to classify visual object instances, incrementally and via self-supervision (self-incremental). Our learner observes a single instance at a time, which is then discarded from the dataset. Incremental instance learning is challenging, since longer learning sessions exacerbate forgetfulness, and labeling instances is cumbersome. We overcome these challenges via three contributions: i. We propose VINIL, a self-incremental learner that can learn object instances sequentially, ii. We equip VINIL with self-supervision to by-pass the need for instance labelling, iii. We compare VINIL to label-supervised variants on two large-scale benchmarks, and show that VINIL significantly improves accuracy while reducing forgetfulness.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI