YOLO-IOD：实时增量目标检测

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。

• •提出了 YOLO-IOD，一个基于 YOLO-World 的实时增量目标检测框架。
• •介绍了三个关键组件：冲突感知伪标签细化 (CPR)、基于重要性的内核选择 (IKS) 和跨阶段非对称知识蒸馏 (CAKD)。
• •提出了 LoCo COCO，一个更现实的用于评估增量目标检测的基准。
• •在传统基准和 LoCo COCO 基准上都表现出卓越的性能，且遗忘最少。