虽然YOLO家族在大目标检测中取得了巨大的成功,但在面对小目标时,其表现并不令人满意。有鉴于此,本文提出了一种革命性的模型SL-YOLO(Stronger andLighter YOLO),旨在突破小目标检测的瓶颈。我们提出了分层扩展路径聚合网络(HEPAN),一种开创性的跨尺度特征融合方法,即使在最具挑战性的环境中也能高检测精度。同时,在不牺牲检
为了分析每个版本的 YOLO 架构,我们仔细研究了相关的学术论文、文档并仔细检查了源代码。分析发现,虽然每个版本的 YOLO 在架构和特征提取方面都有改进,但某些模块保持不变。 缺乏学术出版物和官方图表对理解该模型的功能和未来的增强提出了挑战。鼓励未来的开发人员提供这些资源。文章链接:链接 #YOLO #架构对比 +1 ...
YOLO-UniOW高效开放世界目标检测 | 传统目标检测模型受限于闭集数据集,只能检测训练期间遇到的类别。虽然多模态模型通过对齐文本和图像模态扩展了类别识别,但由于跨模态融合,它们引入了显著的推理开销,并且仍然受到预定义词汇的限制,导致它们无法有效处理开放世界场景中的未知物体。在本文中,我们引入了通用开放世界目标检测...
轻量级YOLOv11提高X光高效检测能力 | 计算机辅助诊断 (CAD) 系统极大地提高了放射科医生和外科医生对医学图像的解读能力。然而,目前用于 X 射线图像中骨折检测的 CAD 系统主要依赖于大型、资源密集型的检测器,这限制了它们在临床环境中的实用性。为了解决这一限制,我们提出了一种基于 YOLO 检测器的新型轻量级 CAD ...
DEYOLO跨模态目标检测增强YOLO | 弱光环境下的目标检测是一项极具挑战性的任务,因为物体在 RGB 图像中通常看不清。由于红外图像提供了与 RGB 图像互补的额外清晰边缘信息,因此融合 RGB 与红外图像有可能增强弱光环境下的检测能力。然而,现有的涉及可见光和红外图像的研究仅侧重于图像融合,而非目标检测。此外,它们直...