Review in Incremental Learning

1. 初识计算机视觉

计算机视觉（Computer Vision, CV）是近十几年来计算机科学中最热门的方向之一，

而我个人是在上学期学习随机森林算法的时候，由于随机森林一个应用领域就是人脸识别，人脸识别是计算机视觉方面尤为突出的领域，于是我开始关注计算机视觉。后来在阅读文献的过程中，我发现视觉的很多领域如人脸识别、视觉检测以及3D扫描打印等等都非常火热，尤其是图像识别准确率由腾讯优图团队的无限制条件下人脸验证测试在LFW（MIT,国际权威，Labeled faces in the wild）已经做到99.65%，远远就超过人眼的97.52%。2015在这么薄弱的基础条件下，还是选一个还未被较大涉及的点，在查资料过程中，发现随机森林非常适合增量学习（Incremental Learning），于是我给自己定的点是图像的增量学习。肯定会有疑问，为什么不用深度学习呢，大家都知道深度学习是深层的神经网络，一个数据集的计算非常耗时，对于一个在线的系统，我们不可能耗费这么长的时间对于新增加的几十张几百张图片进行重新计算分类，于是增量学习的目的就是说在尽可能少的准确率损害的条件下，较大的降低计算时间。

2. 热门方向

在国际计算机视觉与模式识别大会（Conference on Computer Vision and Pattern Recognition，简称CVPR）绝对是计算机视觉会议中的翘楚。

1)       2014年CVPR，研究的一些热点问题。http://blog.sina.com.cn/s/