面向增量目标检测的参数化提示
计算机视觉与模式识别
2026-03-16 v4
摘要
最近的研究表明，将可训练提示整合到预训练模型中可实现有效的增量学习。然而， 在增量目标检测 (IOD) 中应用提示仍未得到充分探索。我们的研究发现，现有的基于提示池的方法假设增量任务中的类别集合相互独立，这对于 IOD 不适用，因为它们忽略了检测中内在共现现象。在共现场景下，来自以前任务的无标签目标可能出现在当前任务图像中，导致提示池混淆。本文认为，提示结构应在任务之间表现出自适应的整合特性，并受约束更新以防止混淆和灾难性遗忘。为此，我们引入了面向增量目标检测的参数化提示 (PIOD)。利用神经网络的全局演化特性，PIOD 采用神经网络作为参数化提示，以适应性方式在任务之间整合知识。为约束提示结构更新，PIOD 进一步采用参数化提示融合策略。在 PASCAL VOC2007 和 MS COCO 数据集上进行大量实验表明，PIOD 在 IOD 中有效，并在现有基准中实现了最先进的性能。代码已公开于 https://github.com/EMLS-ICTCAS/P2IOD。
引用
@article{arxiv.2510.27316,
title = {Parameterized Prompt for Incremental Object Detection},
author = {Zijia An and Boyu Diao and Ruiqi Liu and Libo Huang and Chuanguang Yang and Fei Wang and Zhulin An and Yongjun Xu},
journal= {arXiv preprint arXiv:2510.27316},
year = {2026}
}