表1 FFCA-YOLO的对比实验结果。 尽管FFCA-YOLO在小型物体检测任务中取得了良好的结果,但作者指出仍存在一些局限性,包括速度和内存利用率需要进一步优化,以及目前仅在space-based数据集上进行了验证。未来的研究方向可能包括多源数据融合,以提高小型物体检测的性能。 版权说明 本文中的内容全部来自论文《FFCA-YOLO for Sm...
虽然基于transformer的方法仍然处于小目标检测(SOD)技术的前沿,但本文旨在探索如此广泛的网络所提供的性能效益,并确定其SOD优势的潜在原因。小目标由于其低可见性,已被确定为检测框架中最具挑战性的目标类型之一。论文的目的是研究可以提高transformer在SOD中的性能的潜在策略。本调查对跨越2020年至2023年的60多个针对SOD...
这篇论文可以说是针对小目标检测问题的一篇佳作。这篇论文分析了在极端程度上尺度变化下识别和检测物体的不同技术。检测器的特定尺度和变化尺度的设计是相对于输入数据的不同结构而言的。通过评估不同网络结构用来分类小物体,看出来CNN对于尺度的改变是不鲁棒的。基于这个分析,提出在金字塔的同一个尺度训练和测试检测器...
对小目标检测效果差高层次的抽象,导致特征丢失。 模型大,检测速度较慢,主要原因是因为两次预测。
CNN推动了视觉检测的发展,但对于大规模图像上的小目标(如低于20 pixels的行人)检测,效果仍然不理想,挑战在于对极小目标的特征表示。而且在庞大且复杂背景下,容易造成极小目标检测时虚警。 本文着手解决的任务特点如下: Tiny object detection(Person/Pedestrian) In a long distance With massive backgrounds 设计思路...
针对目标检测任务中小目标特征信息不足、检测率较低,且错、漏检率较高等缺点,提出一种基于多尺度特征融合以及混合注意力机制的 Tr-SSD 算法。首先,使用 Resnet50 残差网络作为 SSD 算法的骨干网络,增强 SSD 算法的特征提取能力;其次,设计了一种混合注意...
P-GAN将小目标的特征映射到相似的大目标特征上来缩小差别,便能将小目标足够近似到大目标来欺骗判别器,达到小目标检测的目的。 9、Feature Pyramid Networks for Object Detection 特征金字塔网络。 10、SOD-MTGAN: Small Object Detection via Multi-Task Generative Adversarial Network ...
YOLO 是目前应用最广泛的单阶段目标检测算法之一,在检测速度方面具有独特的优势。利用可见光成像手段获取小型无人机目标图片,基于YOLOv7算法改进了其特征增强网络,提出一种三分支并行特征金字塔网络,以获得更多的小目标上下文语义特征;将改进后的算法与生成对抗网络进行级联,旨在生成更真实的超分辨率图像,从而提高检测精度。
为了解决风力涡轮机叶片损伤图像检测中复杂背景和多尺度特征分布的挑战,我们提出了一种基于增强型YOLOV8模型的方法。我们的方法侧重于三个关键方面:首先,我们通过将 CBAM 注意力机制集成到主干网络中来增强小目标特征的提取。其次,使用加权双向特征金字塔网络(BiFPN)代替路径聚合网络(PANet)来改进特征融合过程。这种修改优...