基于增量学习的安检X光图像违禁品检测

针对开放域的安检X光图像违禁品检测难题,在YOLOv8系列模型基础上,从模型结构、训练策略和损失函数三个角度创新性地融入增量学习算法。通过设计一种新颖的蒸馏损失函数,促使新模型从旧模型中保留旧类别信息的同时,学习新类别知识,抵抗灾难性遗忘。通过在PIDray和CLCXray两个公开的安检X光图像数据集上进行实验,其结果表明:增量训练后的YOLOv8系列模型在新类别数据上的平均识别精度均超过了70%,而在旧类别数据上的平均识别精度仅降低约10%,并且具有更高的训练效率。