计算机视觉中的终身学习综述

来源：计算机应用杂志2023年第6期北京时间：

作者：陈一驰, 陈斌

单位：1.中国科学院 成都计算机应用研究所, 成都 610041；2.中国科学院大学 计算机科学与技术学院, 北京 100049；3.哈尔滨工业大学(深圳) 国际人工智能研究院, 广东 深圳 518055；4.哈尔滨工业大学 重庆研究院, 重庆 401151

摘要：终身学习（LLL）作为一种新兴方法打破了传统机器学习的局限性，并赋予了模型能够像人类一样在学习过程中不断积累、优化并转移知识的能力。近年来，随着深度学习的广泛应用，越来越多的研究致力于解决深度神经网络中出现的灾难性遗忘问题和摆脱稳定性-可塑性困境，并将LLL方法应用于各种各样的实际场景中，以推进人工智能由弱向强的发展。针对计算机视觉领域，首先，在图像分类任务中将LLL方法归纳为四大类型：基于数据驱动的方法、基于优化过程的方法、基于网络结构的方法和基于知识组合的方法；然后，介绍了LLL方法在其他视觉任务中的典型应用和相关评估指标；最后，针对现阶段LLL方法的不足之处进行讨论并提出了LLL方法未来发展的方向。

关键词：深度学习,终身学习,计算机视觉,灾难性遗忘,稳定性-可塑性困境