本文是论文<SOLO: Segmenting Objects by Locations>的阅读笔记,这篇论文提出了SOLO实例分割模型,引入实例类别的概念,将实例分割问题转换为分类问题。SOLO在COCO数据集上达到SOTA。
本文是论文<Focal Loss for Dense Object Detection>的阅读笔记,该论文提出了一个新的损失函数Focal Loss 用于解决样本不平衡的问题,并在此基础上提出一个新的目标检测模型:RetinaNet。基于ResNet和FPN,RetinaNet的检测精度大幅超越了其它单阶段、两阶段的目标检测算法。
本文在总结终生学习(Life Long Learning, LLL,又称为增量学习Incremental Learning、Continuous Learning、Never Ending Learning)的概念,存在的问题以及当前的解决方案。
本文总结了IROS 2019 Lifelong Robotic Vision: Object Recognition Challenge的比赛结果。