一种基于正交知识刷新的域增量图像目标检测方法及系统

本发明公开了一种基于正交知识刷新的域增量图像目标检测方法及系统，涉及目标检测技术领域，本发明新域图像输入模型后，在特征提取器线性层增设当前域专属低秩适配分支并冻结历史分支，依靠线性可加性融合各分支权重完成图像前向推理。利用加载历史分支权重的模型提取当前图像特征矩阵，经奇异值分解选取主奇异向量构建历史知识子空间。训练时依据图像标注计算检测损失梯度，剔除梯度落在历史子空间的投影分量，采用正交梯度更新当前域低秩参数。同时依托基础域图像生成类别原型构建全局语义拓扑，引入拓扑一致性损失与检测损失联合优化，约束跨域同类目标语义对齐。本发明缓解域增量学习灾难性遗忘与语义碎片化，提升多域图像目标检测泛化性能。