增量学习调研报告

快速调研

0. 前言

• 快速调研增量学习，明确问题定义、解决思路、主流算法分类、SOTA算法
• 搜集资料：代码、论文
• 评估是否可以实际应用到之后的项目中
• 参考
  
  • 增量学习(Incremental Learning)小综述

1. 问题定义

2. 解决思路&数据集

• Evaluation
  
  • mAP
• 数据集
  
  • PASCAL VOC2007 和 Microsoft COCO
• 数据集设置
  

3. 资源

3.1 针对目标检测的增量学习方法

• Context-Transformer: Tackling Object Confusion for Few-Shot Detection

  • 作者单位：华为诺亚方舟实验；SIAT-SenseTime联合实验室
  • 发表时间：AAAI 2020
  • github
  • 性能：

• Towards Open World Object Detection

  • 作者单位：印度理工，澳大利亚国立，穆罕默德·本·扎耶德大学，阿联酋
  • 发表时间：CVPR 2021 Oral
  • Github：基于Detectron，应该挺完整的
  • 问题：
    
    • 对未知的物品类别标注为“Unknown”类别，然后随着模型更多的了解这个类别的标签，再将这个标签标注在“unknown”的物体上。
    • 创新点：包括一个基于能量的分类器用于对未知类别物体识别，用对比聚类方法给定标签。
    • 作者把这种问题定义为 Open World Object Detection（ORE）任务。
  • 性能：现在在Incremental Object Detection问题上是state-of-the-art。

• Incremental Learning of Object Detectors without Catastrophic Forgetting (ICCV 2017)

  • 作者单位：
  • 发表时间：ICCV 2017
  • github
  • 性能：
  • 参考：
    
    • 论文笔记

• An end-to-end architecture for class-incremental object detection with knowledge distillation.

  • 作者单位：极链科技AI研究院与复旦大学、华为诺亚方舟实验室
  • 发表时间：ICME 2019 Best paper

• Incremental Few-Shot Object Detection (CVPR 2020)

  • 作者单位：三星AI研究所
  • 发表时间：CVPR 2020
  • github-None
  • 性能：
  • 参考：
    
    • 笔记 ：据说是抄袭ICCV2019的一篇文章-Few-shot Object Detection via Feature Reweighting

• A new knowledge distillation for incremental object detection

  • 作者单位：
  • 发表时间：IJCNN 2019
  • Github

4. 结论