論文の概要: Catastrophic Forgetting in Sequential Thermal Anti-UAV Detection: The Role of Scale-Conditioned Gradient Imbalance

• arxiv url: http://arxiv.org/abs/2610.08315v1
• Date: Tue, 06 Oct 2026 13:18:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:30.003419
• Title: Catastrophic Forgetting in Sequential Thermal Anti-UAV Detection: The Role of Scale-Conditioned Gradient Imbalance
• Title（参考訳）: シークエンシャル熱対UAV検出におけるカタストロフィックフォーミング--スケールコンディション型グラディエント不均衡の役割
• Abstract要約: 本研究は、YOLOv5ベースの検出器であるYOLOMGの安定性と塑性のトレードオフを、モーションチャネルを無効にした単一の熱赤外流として測定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Counter-UAV systems based on thermal infrared detection must stay accurate as operational datasets evolve, yet sequential fine-tuning causes catastrophic forgetting of prior tasks, a problem that remains insufficiently characterized in this domain. This continual-learning study measures the stability-plasticity trade-off in YOLOMG, a YOLOv5-based detector run as a single thermal-infrared stream with the motion channel disabled, trained sequentially across three anti-UAV benchmarks of rising scale difficulty: Anti-UAV-RGBT, Anti-UAV410, and CST Anti-UAV. Naive fine-tuning on CST yields a Forgetting Measure of -0.605 against the Stage 1 ceiling, corresponding to a 90% capability loss, with -0.572 occurring in Stage 3 alone. In contrast, knowledge distillation from a frozen teacher is associated with FM = -0.033 +/- 0.004 across three seeds, corresponding to 95% retention. Because no Stage 2 no-KD control is included, this result establishes retention under KD training rather than a causal KD effect. Per-stratum analysis shows large-target detection collapsing to near zero within the first epoch, despite an inter-stage cosine similarity of 0.987 over the gradient-updated weights, pointing to scale-conditioned gradient imbalance, rather than weight drift, as a candidate mechanism. Scale-Stratified Herding (SSH), a 300-exemplar buffer balanced across four UAV size strata, roughly halves the forgetting (FM = -0.605 to -0.311) and keeps large-target detection non-zero. An ablation attributes the gain primarily to scale stratification rather than herding: random-stratified replay performs at least as well (FM = -0.221 versus -0.311 for SSH). These replay results are single-seed and should therefore be treated as preliminary.
• Abstract（参考訳）: 熱赤外検出に基づく対空システムは、運用データセットが進化するにつれて正確でなければならないが、シーケンシャルな微調整は以前のタスクを壊滅的に忘れてしまう。 この連続学習研究は、YOLOMGの安定性と塑性のトレードオフを測定する。YOLOv5ベースの検出器は、運動チャネルを無効にして単一の熱赤外線ストリームとして動作し、3つの反UAVベンチマーク(アンチUAV-RGBT、アンチUAV410、CSTアンチUAV)で順次訓練される。 CSTの微調整により、ステージ1の天井に対して -0.605 の予測測度が得られ、ステージ3のみに -0.572 の能力損失が生じる。 対照的に、凍結教師からの知識蒸留は、95%の保持に対応する3つの種にわたるFM = -0.033 +/-0.004と関連づけられる。 ステージ2のKD制御は含まないため、この結果はKD訓練において、因果KD効果よりもKD訓練下での保持が確立される。 地層別分析では, 重量移動ではなく, スケール条件による勾配不均衡を指標として, 段間コサイン類似度が0.987であるにもかかわらず, 第一エピック内において大ターゲット検出がほぼゼロに崩壊したことが示唆された。 SSH(Scale-Stratified Herding)は、4つのUAVサイズ層にまたがる300個の典型的なバッファで、約半分の忘れ物(FM = -0.605から-0.311)を持ち、大きなターゲット検出はゼロではない。 アブレーションは、主に群れではなく階層化をスケールすることによる利得である:ランダムな階層化されたリプレイも、少なくとも同様に実行する(FM = -0.221 対 -0.311 対 SSH)。 これらのリプレイ結果はシングルシードであり、したがってプリミティブとして扱われるべきである。

関連論文リスト

• Small Object Detection in Drone Aerial Imagery with LAF-YOLOv10 [0.0]
  汎用物体検出器はUAV映像の精度を低下させ、ターゲットはわずか数ピクセルで、計算能力は限られている。 事前の作業では、独立に検証されたアーキテクチャ技術を1つの検出器に構成し、一度分離された転送で報告された利得を仮定する。 LAF-YOLOv10は4つのテクニックをYOLOv10nに統合する。
  論文  参考訳（メタデータ） (2026-09-13T14:46:43Z)
• Evaluating the Robustness of Anti-UAV Detection under Controlled Fog Degradation: Fog-Aware Training and Clear-Sky Tradeoff [0.0]
  Fog-awareトレーニングは、明快な精度で9.1%の低下しかなく、すべての重大度における検出を促進する。 信頼性は狭い視界範囲で失われるため、単純明快な対悪なテストは運用上のリスクを過小評価する。
  論文  参考訳（メタデータ） (2026-09-10T07:32:29Z)
• Evidential Deep Learning for Multi-Modal Anti-UAV Detection [0.0]
  本研究では,明らかな深層学習ヘッド,デンプスター・シェーファーのエビデンス融合,不確実性駆動型時間センサゲーティングが抗UAV検出を改善するか否かを評価する。
  論文  参考訳（メタデータ） (2026-09-01T18:09:46Z)
• Beyond Control Points: Arcsecond Relative-Motion Estimation of Vision Measurement Platforms With Incomplete or Absent Control Fields [43.43572961146893]
  画像の変位や既知の3D点から直接プラットフォームの動きを推定する制御適応微分フレームワークを開発した。 我々は、回転可観測条件、非モデル翻訳および非剛点運動のためのリークバウンド、および単一点軸偏差法を導出する。
  論文  参考訳（メタデータ） (2026-08-14T03:41:30Z)
• When Do Autoregressive Sequence Models Forecast Physical Wavefields? A Controlled Study on Synthetic Seismograms [43.8784307709823]
  物理信号の長距離自己回帰予測は誤差蓄積によって制限される。 物理的に構造化されたテストベッドとして,合成3成分地震計を用いて,このようなロールアウトが安定であるかどうかを問う。
  論文  参考訳（メタデータ） (2026-06-09T13:46:14Z)
• Auxiliary Finite-Difference Residual-Gradient Regularization for PINNs [0.0]
  本研究では,PDE残差が保たれるハイブリッド設計について検討するが,有限差分は弱い補助項にのみ現れる。 FD項は、PDE残基自体を置き換えることなく残留体を正則化する。 種子0-5と100kのエポック全体で、最も信頼性の高い試験はクルコウタス・ベタ政権下での固定殻重量5e-4である。
  論文  参考訳（メタデータ） (2026-04-15T23:09:19Z)
• SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction [46.645872209565574]
  仮想セル摂動予測のための大規模基盤モデルを提案する。 まず、データスループットを大幅に改善するBioNeMoベースのトレーニングおよび推論フレームワークを構築します。 第二に、摂動予測を条件付き輸送として定式化し、それをセットアウェアフローアーキテクチャで実装する。 第3に,生物学的に有意な指標に基づく厳密なセルレベルプロトコルを用いて,Tahoe-100Mのモデルを評価する。
  論文  参考訳（メタデータ） (2026-03-18T05:51:08Z)
• When World Models Dream Wrong: Physical-Conditioned Adversarial Attacks against World Models [54.08784776767683]
  本稿では,物理条件を乱す最初のホワイトボックス世界モデルアタックであるPhysCond-WMA(PhysCond-WMA)を提案する。 PhysCond-WMAは知覚の忠実さを維持しながら意味、論理、決定レベルの歪みを引き起こす。
  論文  参考訳（メタデータ） (2026-02-21T07:22:37Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• Improved YOLOv7 model for insulator defect detection [24.775038970508078]
  本稿では,多型絶縁体欠陥検出のための改良型YOLOv7モデルを提案する。 提案したモデルでは,さまざまなパフォーマンス指標が拡張されている。
  論文  参考訳（メタデータ） (2025-02-11T02:09:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。