大数据学院付彦伟青年研究员合作的论文“AN END-TO-END ARCHITECTURE FOR CLASS-INCREMENTAL OBJECT DETECTION WITH KNOWLEDGE DISTILLATION”在IEEE International Conference on Multimedia & Expo (ICME) 2019会议上，获得了最佳论文奖Best Paper Award。本篇论文其他作者分别是复旦计算机学院研究生郝昱，复旦大学计算机学院及极链科技首席科学家姜育刚教授以及华为诺亚方舟实验室首席科学家田奇教授。
近些年来，物体检测算法迅速发展、成熟，被广泛应用于安防、智能零售等领域。然而现有的物体检测模型在训练过后，其可检测的类别数量就被固定下来，无法像人类一样自然地学习检测越来越多的物体类别。若需要向其中添加新类别，则需要使用所有新旧类别的数据对该检测器重新进行训练，十分费时费力，无法适应智能自助售货机等场景中的频繁的商品上新需求。该文章以此场景为背景，提出了一种端到端的解决方法，该方法借助知识蒸馏等手段，可以在仅使用新类别的数据的情况下的已训练好的物体检测器进行动态更新，使得更新后的模型对新旧类别的物体均有较好的检测能力，且在很大程度上克服更新过程中经常出现的“学新忘旧”的问题，特别是在旧类别上的“灾难性遗忘”的问题。在多个数据集上的测试表明，较之于基线方法和现有方法，该方法在精度和速度上均有较大优势。
