×

流-51

swMATH ID: 37990
软件作者: Ryne Roady、Tyler L Hayes、Hitesh Vaidya、Christopher Kanan
描述: Stream-51:视频流分类和新颖性检测。深度神经网络在图像分类和目标检测等视觉感知任务中很受欢迎。一旦在实时环境中进行训练和部署,这些模型就很难识别训练分布中最初没有表示的新输入。此外,他们不能轻易更新新信息,否则他们会灾难性地忘记以前学到的知识。虽然人们对开发能够克服遗忘的模型很感兴趣,但大多数研究都侧重于从分成大批量的常见图像分类数据集中进行增量学习。在线流式学习是一种更现实的范例,其中模型必须一次从时间相关的数据流中学习一个样本。尽管有一些数据集是专门为此协议设计的,但大多数数据集都有一些局限性,例如类数少或图像质量差。在这项工作中,我们引入了Stream-51,这是一个新的流分类数据集,由来自51个不同对象类别的节奏相关图像和训练分布之外的附加评估类组成,以测试新颖性识别。我们为流模式中的数据集建立了独特的评估协议、实验指标和基线
主页: https://tyler-hayes.github.io/stream51网站
源代码:  https://github.com/tyler-hayes/Stream-51
相关软件: MNIST公司;OpenLORIS公司;变压器;iCaRL公司;核心50;卡费;法斯塔;数据工具AI;多巴胺;OpenAI健身房;TensorFlow公司;PyTorch公司;雪崩
引用于: 0个文档