「AI Drive」是由 biendata 和 PaperWeekly 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和交流可能会让知识的传播更加有意义,从而产生更大的价值。
本期 AI Drive,我们邀请到清华大学计算机科学与技术专业在读硕士生-张斌杰,为大家在线解读其发表在 ICLR 2022的最新研究成果:基于退化缓解兼容训练的热刷新模型升级在图片检索中的应用。对本期主题感兴趣的小伙伴,4月 21日(周四)晚 7 点,我们准时相约 AI_Drive B 站直播间。
一、直播信息
1、演讲摘要:
对检索系统中部署的模型进行更新迭代是提升检索精度、改善用户体验的必经之路。在传统的检索模型升级过程中,需要先用新模型离线刷新底库中的所有特征(称之为特征“回填”),再将新模型部署上线,这一过程被称之冷刷新模型升级。大规模检索系统往往存在海量的底库图像,将其全部离线刷新一遍可能花费数周乃至数月,冷刷新模型升级存在模型迭代的时间成本高、用户体验不能得到即时改善等几大弊端。为此,作者首次提出热刷新模型升级方案,借助兼容学习使得新模型可以直接部署上线,同时利用新模型在线刷新底库特征,实现检索精度的逐步爬升。尽管现有的兼容训练算法使得热刷新模型升级成为了可能,但他们均面临刷