Incremental Learning of Object Detectors without Catastrophic Forgetting 论文阅读
本文概览 CNN用于目标检测任务的缺陷——类别遗忘：假设CNN模型A为在一个物体检测训练集1上训练得到的性能较好的检测器，现在有另外一个训练集2，其中物体类别与1不同，使用训练集2在A的基础上进行fine-tune得到模型B，模型B在训练集2中的类别上可以达到比较好的检测结果，但是在训练集1中的类别上检测性能就会大幅度下降； 本文目的：缓解CNN用于目标检测任务的类别遗忘，在训练集1中原始图片不可
相关文章
- 1. Incremental Learning of Object Detectors without Catastrophic Forgetting详解
- 2. 论文阅读笔记《Dynamic Few-Shot Visual Learning without Forgetting》
- 3. Dynamic Few-Shot Visual Learning without Forgetting||论文阅读
- 4. incremental few-shot learning论文阅读
- 5. Assisted Excitation of Activations:A Learning Technique to Improve Object Detectors论文解读
- 6. Learning without Forgetting 翻译
- 7. DetectoRS，论文阅读记录
- 8. 论文阅读：EfficientDet: Scalable and Efficient Object Detection
- 9. Dynamic Few-Shot Visual Learning without Forgetting
- 10. 增量学习(Incremental Learning)小综述
- 更多相关文章...
- • RSS 阅读器 - RSS 教程
- • C# 文本文件的读写 - C#教程
- • JDK13 GA发布：5大特性解读
- • Scala 中文乱码解决
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Incremental Learning of Object Detectors without Catastrophic Forgetting详解
- 2. 论文阅读笔记《Dynamic Few-Shot Visual Learning without Forgetting》
- 3. Dynamic Few-Shot Visual Learning without Forgetting||论文阅读
- 4. incremental few-shot learning论文阅读
- 5. Assisted Excitation of Activations:A Learning Technique to Improve Object Detectors论文解读
- 6. Learning without Forgetting 翻译
- 7. DetectoRS，论文阅读记录
- 8. 论文阅读：EfficientDet: Scalable and Efficient Object Detection
- 9. Dynamic Few-Shot Visual Learning without Forgetting
- 10. 增量学习(Incremental Learning)小综述