近年来随着深度学习技术的发展，常规场景下类别与训练样本数量固定的物体识别任务取得了长足发展，新型的模拟人类持续学习（Continual Learning）机制的增量物体识别任务逐渐受到计算机视觉领域学者的关注。
IEEE CVPR2020 Workshop on Continual Learning (CLVISION)开启了CVPR历史上第一届增量学习竞赛（网址： http://sites.google.com/view/clvision2020/overview）。主办方根据实际场景提炼出三个不同的增量物体识别子问题，并设置了相对应的三个赛道：“新实例（New Instances，NI)”、“多任务新类别（Multi-Task New Classes，MT-NC）”、以及“新实例新类别（New Instances and Classes，NIC）”。在评测体系设计上，除了常规用于度量分类精度的准确率指标，主办方也同时加入了贴合实际需求的时空效率指标（包括内存存储、磁盘存储、运算时间等）。初赛在CodaLab平台举行，共有79个队伍报名注册，排名前11的队伍经过筛选参与决赛，它们来自多伦多大学、东京工业大学、布里斯托大学、滑铁卢大学、纽约大学、亚马逊公司等高校和研究机构。
VIPL实验室视觉场景理解组参加了此项竞赛，在课题组老师的指导下，由何晨、万启阳、杨丰远三名研究生组成的队伍参与了所有三个赛道，历经初赛决赛最终获得了“新实例（New Instances，NI)”赛道的冠军。此外，综合所有三个赛道的整体表现，VIPL参赛队伍在“分类准确率”这一单项指标上在所有决赛队伍中排名最高。何晨同学代表VIPL参赛队伍参加了本次竞赛研讨会，并作了5分钟的口头报告介绍参赛算法。
图1. VIPL参赛队伍获奖证书
图2. 何晨同学参加CLVision Workshop并做在线现场报告
附件：