双通道蒸馏检测器

防灾难性遗忘

同时蒸馏语义与特征信息，保留类间判别性和类内一致性，显著缓解增量检测中的灾难性遗忘。

Kang, Mengxue · Jinpeng, Zhang · 张金明 · Wang, Xiashuang · Yang, Chen · Ma, Zhe · Huang, Xuhui

2023

参数信息

平均精度（mAP）

39.80 %

技术优势

保留类间判别性

通过蒸馏类别级语义距离和特征距离，模型能更好地区分不同类别，减少新旧类别之间的混淆。

增强类内一致性

通过蒸馏实例级语义信息和特征信息，同一类别内的实例特征更加紧凑，提升检测的稳定性。

全面超越现有方法

在多个实验场景下，本方法优于所有之前的基于 CNN 的 SOTA 方法，mAP 提升显著。

应用场景

• 增量目标检测：在新增类别上微调检测器而不遗忘旧类别，避免重新训练整个模型。
• 持续学习视觉模型：让视觉模型在持续学习新数据时保持稳定，适合真实世界动态环境。
• 机器人视觉：使机器人视觉系统能逐步学习新物体类别，而无需从头训练全部数据。
• 无人机感知：让无人机感知模型在部署过程中持续增加可识别类别，保持旧类别精度。