关于持续语义细分的调查:理论,挑战,方法和应用
概括
本综述调查了持续语义细分 (CSS),这是人工智能的终身学习的一个关键领域. 它对CSS模型进行了分类,并分析了用于推进AI系统的挑战,数据集和应用程序.
科学领域:
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 持续学习使人工智能系统能够在开放条件下不断适应和学习,克服传统单向培训的局限性.
- 持续语义细分 (CSS) 是计算机视觉中具有挑战性但至关重要的任务,重点是密集预测.
研究的目的:
- 为持续语义细分 (CSS) 提供全面的审查.
- 涵盖CSS中的问题表述,挑战,数据集,理论和应用.
主要方法:
- 将当前的CSS模型分为数据重播和无数据方法的分类.
- 对相关数据集的CSS方法进行深入分析和定性/定量比较.
- 介绍CSS专业和发展趋势.
主要成果:
- 对CSS方法的结构化概述,区分数据重复和无数据策略.
- 对挑战的分析和与CSS研究相关的数据集的精选列表.
- 为CSS制定一个基准,包括参考和评估结果.
结论:
- 这项调查为推进人工智能的终身学习提供了一个参考,特别是在计算机视觉领域.
- 它为研究人员和从业人员在持续语义细分和相关领域提供了有价值的观点.


