论文题目：基于知识更新和知识整合的行人再识别终身学习方法
作者列表：余春霖(上海科技大学)、石野(上海科技大学)、刘梓墨 (深圳鹏城实验室）、高盛华（上海科技大学），汪婧雅 (上海科技大学)
论文摘要：
终生行人再识别是面向现实ReID场景的一种学习范式，期望能够不断处理在不同时间段、不同地点采集到的连续且非平稳分布的ReID信息流，其关键的技术挑战在于如何有效地保存旧的知识并逐步地增加新的识别能力。然而，目前的多数方法都旨在解决模型的灾难性遗忘问题，缺乏对旧知识的优化和整合。本文聚焦于一个更具挑战性的问题，即在终生学习的过程中不仅能减少ReID模型在旧任务上的遗忘，而且能提升模型在旧任务和新任务的表现。受人类认知系统中新皮层与海马体在记忆整合中的协同性启发，我们提出了一种新的基于知识更新和巩固的学习框架，能够同时实现正向迁移和反向迁移。具体而言，本文将知识更新与知识回放相结合，提出了一个动态的记忆模型和自适应的工作模型，从而更好地实现双向迁移。此外，我们提出了在对偶空间上的知识整合机制，能更有效地在长期提升模型的稳定性。大量实验清楚地证明了本文方法在的有效性。
论文信息：
[1] C. Yu, Y. Shi, Z. Liu, S. Gao and J. Wang. Lifelong Person Re-Identification via Knowledge Refreshing and Consolidation. AAAI 2023.
论文链接：
https://arxiv.org/abs/2211.16201
代码链接：
https://github.com/cly234/LReID-KRKC
视频讲者简介：
余春霖，上海科技大学信息学院研究生，研究方向为计算机视觉和深度学习，目前专注于行人再识别、增量学习、自监督学习。
