PulseAugur
实时 09:45:11
English(EN) Frozen High-Resolution Inference for Cross-City Object Detection: An AI City Challenge 2026 Study

AI City Challenge 2026:冻结检测器实现高跨城市目标检测 AP

一项针对 AI City Challenge 2026 的研究,使用冻结的 RF-DETR-Large 检测器探索了跨城市目标检测。研究发现,在冻结参数的情况下,以更高分辨率(1120x1120)进行推理(在 704x704 下训练),在测试的配置中产生了最佳的聚合 AP 分数。这种方法在没有进行任何参数更新的情况下,对小型和中型目标显示出显著的提升。 AI

影响 这项研究展示了一种在不重新训练的情况下,提高不同城市环境中目标检测泛化能力的方法。

排序理由 学术论文,详细介绍了针对特定挑战的研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AI City Challenge 2026:冻结检测器实现高跨城市目标检测 AP

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Jaeuk Kim ·

    Frozen High-Resolution Inference for Cross-City Object Detection: An AI City Challenge 2026 Study

    arXiv:2608.03136v1 Announce Type: new Abstract: Cross-city object detection requires a detector trained in one city to generalize to an unlabeled target city. In AI City Challenge 2026 Track 6, we analyze archived configurations of a single RF-DETR-Large detector inside an air-ga…