Transformer模型在ECCV挑战赛中擅长检测微小授粉者

研究人员开发了一种新颖的基于Transformer的模型，用于在具有挑战性的田野关键帧中检测微小授粉者。该模型名为Co-DINO，采用Swin-L骨干网络，在比较中取得了最高的平均精度均值（mAP）。为了解决数据集中蜜蜂占主导地位以及目标物体尺寸小的问题，训练过程采用了裁剪马赛克池以增加稀有昆虫类别的代表性，并采用ETF损失函数以更好地区分不同类别。该方法在CVPPA@ECCV 2026 BuzzSpot挑战赛的FinalTest排行榜上名列第一。 AI

影响 这项研究推进了用于检测小型物体的计算机视觉技术，可能有助于改善生态监测和生物多样性研究。

排序理由 该项目是一篇学术论文，详细介绍了一种用于计算机视觉任务的新模型和方法论。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• CatalyzeX Code Finder for Papers
• Co-DINO
• Connected Papers
• CORE Recommender
• CVPPA@ECCV 2026 BuzzSpot Challenge
• DagsHub
• ETF loss
• FinalTest
• Gotit.pub
• Hugging Face
• Influence Flower
• Litmaps
• ScienceCast
• scite Smart Citations
• Swin-L

• 论文
• 模型发布
• 其他

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