文章：YOLO-IOD: Towards Real Time Incremental Object Detection
代码：暂无
单位：华中科技大学
一、问题背景
在智能监控、自动驾驶、机器人视觉等实时应用场景中，目标检测模型常面临一个关键需求：能不断学习新的物体类别（比如从识别"汽车"扩展到"电动车"），同时不忘记之前学会的类别------这就是增量目标检测（IOD）的核心任务。
但现有主流IOD方法大多基于Faster R-CNN、DETR等框架，直接套用到实时性要求极高的YOLO系列模型上时，不仅性能大幅下滑，还容易出现"学新忘旧"的灾难性遗忘问题。这背后藏着三个关键矛盾，一直困扰着研究者：
-
前景背景混淆：训练时没标注的旧类别或未来要学的新类别物体，容易被误判为背景；而且YOLO常用的数据增强技术会放大这种标注噪声，让模型越练越"懵"。
-
参数干扰：模型里很多参数是不同任务共用的，学新类别时更新这些参数，很可能把之前记住的旧知识给冲掉。
-
知识蒸馏错位：传统"老师-学生"蒸馏模式中，新旧模型的学习目标不一致，YOLO的密集预测特性会让这个问题更突出，导致知识传递失效。
更麻烦的是，现有评估基准（比如传统COCO）存在设计缺陷：不同训练阶段会重复使用同一批图片，造成数据泄露，让模型性能看起来比实际更好，根本反映不出真实场景的表现。
二、方法创新：YOLO-IOD+LoCo COCO双管齐下
针对这些问题，西北工业大学和华为的团队联手推出了YOLO-IOD 实时增量检测框架，还配套了更真实的LoCo COCO评估基准，从方法到评估实现全链条创新。
1. YOLO-IOD三大核心模块，精准破解三大矛盾
框架基于预训练的YOLO-World模型，通过"分阶段高效微调"实现增量学习，三个模块各司其职：
-
冲突感知伪标签优化（CPR）：解决前景背景混淆。一方面给伪标签加"置信度权重"，高置信度标签提供稳定监督，低置信度标签也不浪费，通过正则化保留不确定性；另一方面提前识别未来可能要学的物体，用聚类方法把它们归为"未知超类"，避免误判为背景。
-
基于重要性的核选择（IKS）：解决参数干扰。只挑选对当前任务最重要的卷积核进行微调，其余参数冻结不动。通过计算参数的"差异化重要性"，确保更新新任务参数时，不破坏之前学到的关键知识。
-
跨阶段非对称知识蒸馏（CAKD）：解决蒸馏错位。采用"双老师"模式：旧老师模型负责传授已学类别的知识，新老师模型专注当前类别，让学生模型（目标检测器）同时吸收新旧知识，还能通过"聚焦权重"屏蔽无关背景干扰，让知识传递更精准。
2. LoCo COCO基准：告别数据泄露，贴近真实场景
新基准彻底解决了传统基准的图片重复问题：先统计类别共现规律（比如"汽车"和"行人"常一起出现，"汽车"和"船"很少同框），再通过聚类把常共现的类别分到同一阶段，最后确保每张图片只出现在一个训练阶段，从根源上杜绝数据泄露，让模型评估更公平、更贴近实际应用。
三、实验结果：性能与实时性双领先
团队在传统COCO和新的LoCo COCO基准上做了大量实验，YOLO-IOD的表现堪称惊艳：
1. 单阶段增量：碾压现有方法
在40+40（先学40类，再增40类）和70+10（先学70类，再增10类）设置下：
-
40+40场景中，AP值达到53.0，比之前的最佳方法RGR高1.5，与全量联合训练的性能差距仅2.7%，大幅降低了遗忘率；
-
70+10场景中，相对性能差距低至3.9%，在所有指标上都保持领先，而且不需要像RGR那样依赖"样本回放"，效率更高。
2. 多阶段增量：长期学习不遗忘
在更贴近真实场景的20-20、10-10（分8个阶段逐步学完80类）设置下：
- 10-10场景中，最终阶段的遗忘率仅8.8%，远低于RGR的20.3%和CL-DETR的48.1%，证明模型能长期稳定积累知识，不会越学越忘。
3. 真实基准验证：稳健性拉满
在LoCo COCO基准上，所有方法的性能都有小幅下降（暴露了传统基准的数据泄露问题），但YOLO-IOD依然保持领先：
-
40+40场景中，AP值比之前的最佳方法GCD高7.5；
-
70+10和40-20场景中，分别领先5.9和8.5，证明其在无数据泄露的真实场景中依然稳健。
更重要的是，YOLO-IOD基于YOLO框架，全程保持实时推理速度，完美兼顾性能与效率。
四、优势与局限
核心优势
-
针对性强：精准定位YOLO系列在增量学习中的三大核心矛盾，每个模块都直击痛点；
-
实时高效：基于YOLO-World，无需额外复杂结构，保持实时推理能力，适合落地应用；
-
评估真实：配套的LoCo COCO基准解决了行业痛点，为IOD研究提供了更可靠的评估标准；
-
泛化性好：在单阶段、多阶段、真实场景等多种设置下都表现稳定，适用性广。
现存局限
-
核选择比例（当前最优12%）的自适应调整机制还需优化，不同场景下的通用性有待提升；
-
对极端长尾分布的类别（少数类别样本极少），增量学习的性能还有提升空间；
-
模型在边缘设备上的部署优化尚未涉及，实时性与硬件资源的平衡还需进一步探索。
五、一句话总结
YOLO-IOD通过三大创新模块破解了YOLO系列增量检测的核心矛盾，搭配真实场景的LoCo COCO基准，实现了"学新不忘旧"与实时性的完美平衡，为智能驾驶、实时监控等场景的增量检测需求提供了高效可行的解决方案。