YOLO-IOD：实时增量目标检测

Paper#Computer Vision, Object Detection, Incremental Learning🔬 Research|分析: 2026年1月3日 19:22•
发布: 2025年12月28日 15:35
•
1分で読める
•ArXiv

分析

本文通过适配 YOLO 框架，解决了实时增量目标检测中的空白。它识别并解决了关键挑战，如前景-背景混淆、参数干扰和知识蒸馏错位，这些对于防止增量学习场景中的灾难性遗忘至关重要。 YOLO-IOD 的引入，以及其新颖的组件（CPR、IKS、CAKD）和一个新的基准（LoCo COCO），表明了对该领域的重大贡献。
引用 / 来源
查看原文
"YOLO-IOD achieves superior performance with minimal forgetting."
A
ArXiv2025年12月28日 15:35
* 根据版权法第32条进行合法引用。
较旧

A Context-Aware Temporal Modeling through Unified Multi-Scale Temporal Encoding and Hierarchical Sequence Learning for Single-Channel EEG Sleep Staging

较新

Wavelet-based Multi-View Fusion of 4D Radar Tensor and Camera for Robust 3D Object Detection

相关分析

Paper

基于选择策略的协调人形机器人操作

2026年1月3日 06:10

Paper

从未对齐图像即时进行3D场景编辑

2026年1月3日 06:10

Paper

用于未来预测的LLM预测

2026年1月3日 06:10

来源: ArXiv