OEBench:探讨现实世界关系型数据流中的开放环境挑战
原文中文,约200字,阅读约需1分钟。发表于: 。通过建立名为 OEBench 的开放环境基准测试,研究表明开放环境场景在真实世界数据集中非常普遍,对流学习算法提出了重大挑战。
本文提出了一个新的在线持续物体检测基准,使用KrishnaCAM视频收集的长时间记录数据,在室外场景下对105个物体类别的80个视频片段进行了详细边界框注释。同时引入了新的评估指标来评估模型的表现和灾难性遗忘,并为在线持续对象检测提供了基线研究。
通过建立名为 OEBench 的开放环境基准测试,研究表明开放环境场景在真实世界数据集中非常普遍,对流学习算法提出了重大挑战。
本文提出了一个新的在线持续物体检测基准,使用KrishnaCAM视频收集的长时间记录数据,在室外场景下对105个物体类别的80个视频片段进行了详细边界框注释。同时引入了新的评估指标来评估模型的表现和灾难性遗忘,并为在线持续对象检测提供了基线研究。