一篇新发表在arXiv上的研究论文探讨了顺序热成像反无人机检测系统中灾难性遗忘的问题。研究人员发现,对基于YOLOv5的检测器YOLOMG进行简单微调,会导致显著的能力损失,高达90%的先前任务知识被遗忘。知识蒸馏在保留能力方面显示出潜力,而一种名为Scale-Stratified Herding (SSH) 的方法,该方法使用不同尺寸无人机训练样本的平衡缓冲区,显著减少了遗忘,并保持了对大型目标检测的性能。 AI
影响 解决了在特定应用(如反无人机系统)中随时间保持AI模型性能的关键挑战。
排序理由 学术论文,详细介绍了具体技术问题及解决方案。[lever_c_demoted from research: ic=1 ai=1.0]
- Anti-UAV410
- Anti-UAV-RGBT
- CST Anti-UAV
- Scale-Stratified Herding
- Seyed Sahand Mohammadi Ziabari
- YOLOMG
- YOLOv5
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →