近日,西北工业大学航空学院硕士翁乐安以第一作者在中科院一区顶级期刊《IEEE Transactions on Geoscience and Remote Sensing》(IF=8.2)发表了题为 “MDINet: Multi-Domain Incremental Network for Change Detection”的研究论文。介绍了一种名为MDINet的多域增量框架,先进行参数化的特征分解,再通过分层知识蒸馏进一步降低灾难遗忘水平,有效解决传统增量学习方法在变化检测领域造成的“知识混淆”(Knowledge Confusion)问题。图 1 域增量变化检测与其他视觉任务之间的差异和挑战。(a) 面向标签:在常见视觉任务的增量 过程中,利用蒸馏损失来保留类别特定信息,可以视为面向标签。(b) 面向特征:在变化检测的增量过程中,如果仅使用蒸馏来处理域偏移,则会因标签空间的一致性而导致知识混乱。在步骤 t,旧特征(例如蓝色)可能会变成背景(不变),而特征(例如绿色
………………………………