STAR-IOD：面向遥感增量目标检测的尺度解耦拓扑对齐与伪标签精炼
计算机视觉与模式识别
2026-05-21 v1
摘要
遥感图像通常以数据流形式出现。传统检测器在学习新类别时常会遗忘先前学习的类别，因此远程感增量目标检测 (RS-IOD) 研究具有重要意义。然而，现有方法大量忽视遥感场景中常见的类别内尺度变化，这削弱了知识传递和旧知识保存的效果。此外，RS-IOD 也面临标注缺失问题，导致模型将旧类别实例误分类为背景。为此，我们提出一种新框架 STAR-IOD。首先引入子空间解耦拓扑蒸馏 (STD) 模块，用于传递结构知识，显式对齐类别间拓扑关系，缓解因尺度偏移引起的类别内表征差异。进一步引入基于聚类的伪标签生成器 (CPG)，作为即插即用模块，利用 K-Means 聚类动态识别类别特定阈值，从而确保真阳性目标与背景噪声之间的准确区分，减轻旧类别标注缺失的问题。我们还构建了两个远程感增量目标检测数据集，DIOR-IOD 和 DOTA-IOD，以促进 RS-IOD 研究。大量实验表明，在 DIOR-IOD 和 DOTA-IOD 上的 mAP 分别提高了 1.7% 和 2.1%，有效缓解了灾难性遗忘，同时保持对基座类别和新类别的强检测性能。代码与数据集已发布于：https://github.com/zyt95579/STAR-IOD。
引用
@article{arxiv.2605.20738,
title = {STAR-IOD: Scale-decoupled Topology Alignment with Pseudo-label Refinement for Remote Sensing Incremental Object Detection},
author = {Yaoteng Zhang and Qing Zhou and Junyu Gao and Qi Wang},
journal= {arXiv preprint arXiv:2605.20738},
year = {2026}
}
备注
STAR-IOD was accepted by ISPRS Journal of Photogrammetry and Remote Sensing