ترجمه فارسی مقاله یادگیری آنلاین از طریق حافظه: سازگاری ردیاب با اوج بازیابی

چکیده

This paper presents a novel way of online adapting any off-the-shelf object detection model to a novel domain without retraining the detector model. Inspired by how humans quickly learn knowledge of a new subject (e.g., memorization), we allow the detector to look up similar object concepts from memory during test time. This is achieved through a retrieval augmented classification (RAC) module together with a memory bank that can be flexibly updated with new domain knowledge. We experimented with various off-the-shelf open-set detector and close-set detectors. With only a tiny memory bank (e.g., 10 images per category) and being training-free, our online learning method could significantly outperform baselines in adapting a detector to novel domains.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک روش جدید برای تطبیق آنلاین هر مدل تشخیص شیء خارج از قفسه به یک دامنه جدید و بدون بازیابی مدل ردیاب ارائه شده است.با الهام از اینکه چگونه انسان به سرعت دانش یک موضوع جدید را یاد می گیرد (به عنوان مثال ، حفظ کردن) ، ما به ردیاب اجازه می دهیم تا مفاهیم شی مشابه را از حافظه در طول زمان آزمایش جستجو کند.این امر از طریق یک ماژول طبقه بندی تقویت شده بازیابی (RAC) به همراه یک بانک حافظه حاصل می شود که می تواند با دانش دامنه جدید به طور انعطاف پذیر به روز شود.ما با آشکارسازهای مختلف باز و آشکارسازهای مجموعه از نزدیک ، آزمایش کردیم.تنها با یک بانک حافظه ریز (به عنوان مثال ، 10 تصویر در هر گروه) و بدون آموزش ، روش یادگیری آنلاین ما می تواند به طور قابل توجهی از خطوط پایه در تطبیق یک ردیاب با حوزه های جدید بهتر عمل کند.