Voorbij de focus op datasets - continue machine leren.

De meeste methodes voor het trainen van diepe neurale netwerken in de context van computer visie zijn gebaseerd op enkele basisveronderstellingen, zoals het feit dat de wereld statisch is. Dit maakt het mogelijk om eenvoudig representatieve trainingsdata te verzamelen en zorgt er voor dat een model voor altijd dezelfde performantie blijft behouden. In de praktijk is hier echter vaak niet aan voldaan: datadistributies verschuiven over de tijd, waardoor de accuraatheid van modellen na verloop van tijd afneemt. In dit project willen we nieuwe methodes ontwikkelen voor continu leren: methodes die in staat zijn om steeds nieuwe informatie op te nemen en de modellen bij te sturen. Dit laat bovendien toe om ook nieuwe taken of nieuwe concepten bij te leren, en om vanuit streaming data te kunnen leren.