双曲几何用于遥感影像开放世界目标检测

开放世界目标检测要求模型在闭集检测基础上识别未知目标，并在标注可用后对其增量学习。遥感影像中的目标类别常存在潜在层级关系，而现有方法普遍采用的欧氏空间难以充分表达这类关系，从而限制了未知目标召回与增量学习性能。为此，研究者探索将双曲几何用于遥感影像开放世界目标检测，并提出方法 HyRS-OWOD。为提高未知目标召回，该方法设计了两步式未知目标发现机制：解耦目标性学习模块将前景感知与语义信息分离，从而把前景候选区域与背景区域区分开；随后由双曲不确定性学习组件利用双曲嵌入的半径作为不确定性线索，区分已知与未知目标。在增量学习方面，该方法提出双曲度量学习策略以增强类间可分性，在纳入新类别的同时缓解灾难性遗忘。在三个遥感基准数据集上的实验显示，该方法在未知目标召回与增量学习上均较当前先进方法取得一致提升。