基于复杂场景与无监督伪标签持续学习及BiFPN增强YOLO的自适应视觉诊断模型

《Frontiers in Neurorobotics》：An adaptive visual diagnostic model for complex scenes based on unsupervised pseudo-label continuous learning and BiFPN-enhanced YOLO

　　

随着智能系统在开放环境中的部署，工程应用对视觉感知能力提出要求。传统静态视觉检测模型在环境变化下会出现特征退化；常规伪标签技术在复杂样本上产生确认偏置，模型在持续吸收无标签数据流时发生知识遗忘。研究人员构建了面向复杂场景的自适应视觉诊断框架，融合无监督域适应与持续学习。在特征提取层引入双向特征金字塔网络(BiFPN)节点，在保持计算经济性的同时补偿环境变化引起的多尺度空间畸变；采用动态阈值约束的伪标签双向恢复机制提取监督信号以缓解确认偏置；在参数迭代阶段集成结构化预测蒸馏损失以抑制持续数据吸收中的知识遗忘。在BDD100K数据集上的测试表明，该模型以16.6 GFLOPs计算量和19.3 FPS推理速度，在光照与气象域迁移任务中分别取得mAP@0.5为43.5%和47.1%、mAP@0.5:0.95为22.1%和24.5%；在Cityscapes雾迁移测试中mAP@0.5达48.3%、mAP@0..5:0.95达25.1%；经10轮增量演化后源域mAP@0.5维持在52.8%，展现出与基线持续学习方法相当的知识保持能力。

研究背景与问题提出

视觉诊断与环境感知模型是保障智慧城市节点、工业自动化及高精度监测设备等复杂动态系统安全决策的核心组件。在自动驾驶感知等开放环境中，气象变化与光照畸变导致输入呈非平稳分布，传统静态检测模型（如基于YOLO系列的单阶段检测器）的卷积核过拟合源域纹理与光度特征，在域偏移下出现小目标与模糊边缘特征的误检漏检。无监督域适应虽可缓解目标域标注缺失，但固定阈值伪标签技术易将高置信度背景噪声误判为前景，引发确认偏置；同时持续数据流吸收使底层表征漂向新分布局部最优，造成灾难性遗忘。已有BiFPN多尺度融合、动态伪标签与预测蒸馏等研究多孤立设计，未形成端到端闭环，且新版YOLOv8/v10的锚框无关密集预测在持续分布偏移下易诱发梯度冲突。因此研究人员以YOLOv5s为基线，构建耦合跨尺度特征增强、动态伪标签演化与持续学习的级联自适应感知计算框架，论文发表于《Frontiers in Neurorobotics》。

主要关键技术方法

研究人员采用BDD100K与Cityscapes数据集构成有标注日间源域与无标注夜间/雨雾目标域流。在YOLOv5s颈侧嵌入双向特征金字塔网络(BiFPN)并以深度可分离卷积(DWConv)替代特定输出节点标准卷积；构建知识中枢(Knowledge Hub)运行动态阈值伪标签生成器（基于类概率指数滑动均值μ_t^c与标准差σ_t^c，阈值τ_t^c=Clip(μ_t^c+β·σ_t^c,0.5,0.95)）与基于交并比(IoU)及 Jensen-Shannon 散度(JSD) 一致性的低置信度双向空间恢复引擎；以教师-学生双网架构，教师冻结源域映射，学生经伪标签检测损失与结构化预测蒸馏损失更新，指数移动平均(EMA)联动两网，形成持续适应回路。

研究结果

3.1 基于BiFPN增强的多尺度特征自适应融合

研究人员将主干输出的C3、C4、C5（下采样8×、16×、32×）经1×1卷积压至256通道接入BiFPN。BiFPN移除单输入冗余边，引同层跨尺度跳跃连接，以快速归一化融合 P_i^out=∑_j w_j/(ε₁+∑_kw_k)·Φ(P_jⁱⁿ)（ε₁=1×10^-4保FP16数值稳定）动态加权。P3仅收自上而下信息，P4维持中间态P4^td与输出态P4^out双向融合，P5聚合原始与下层上采特征。输出节点P3^out、P4^out、P5^out配DWConv解耦时空通道。该拓扑在遮挡与重叠干扰下由损失梯度下调污染像素级融合权，提升全局语义或局部边缘占比，补偿环境引起的多尺度空间畸变且控计算开销。

3.2 动态阈值驱动的无监督伪标签生成与双向恢复

针对固定全局阈值类偏置，研究人员引类级时序滑动统计：μ_t^c=αμ_t-1^c+(1-α)(1/K)∑p_k,c，σ_t^c=ασ_t-1^c+(1-α)√((1/K)∑(p_k,c-μ_t^c)²)，α=0.99抗批级突变；τ_t^c=Clip(μ_t^c+1.0·σ_t^c,0.5,0.95)截取右尾高置信区（约前16%）成硬伪标签入高置信记忆。对被截低置信框集B_low与高置信集B_high算IoU及JSD一致性，双向恢复几何对齐的低置信检测，抑背景噪声误拟合，破单一静态过滤逻辑。

3.3 域增量持续学习中的结构化预测蒸馏

学生网以伪标签检测损失（定位/分类/置信）与结构化预测蒸馏损失联合优化，教师网EMA更新（θ_teacher←α_emaθ_teacher+(1-α_ema)θ_student）提供源域历史知识约束；蒸馏项对预测张量（类别概率、边界框偏移、目标性）做结构化对齐，解耦梯度空间为新域适应与旧域保持双目标，抑连续吸收新域流时的参数漂移与灾难性遗忘。

讨论与结论翻译

讨论指出，传统PANet等向等权融合忽略分辨率语义贡献差，Transformer融合增边端开销；孤立伪标签或蒸馏模块在持续非平稳流下易梯度冲突，本文端到端闭环（BiFPN特征质量→动态阈值伪标签纯度→蒸馏知识保护）解决该矛盾。结论表明：该框架在BDD100K光照/气象迁移取得mAP@0.5 43.5%/47.1%、mAP@0.5:0.95 22.1%/24.5%，Cityscapes雾迁移mAP@0.5 48.3%、mAP@0.5:0.95 25.1%，算力16.6 GFLOPs、19.3 FPS；10轮增量后源域mAP@0.5留52.8%，知识保持媲美基线持续学习法，为边端长周期视觉诊断提供可行工程路径。