PulseAugur
中
实时 11:40:20
English(EN) YOLO26-RD: An End-to-End Road Damage Detection Network With Learnable Contrast Enhancement and Edge-Guided Downsampling

YOLO26-RD网络通过新模块改进道路损坏检测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了YOLO26-RD，一个用于检测道路损坏的端到端网络，其中包含用于对比度增强和边缘引导下采样的创新模块。数据优先审计显示，与普遍假设相反，道路损坏检测并非主要是小目标问题。研究发现，线性裂缝是极端长宽比的结构，其检测难度在于灵敏度而非定位。这一分析促使了架构调整，从而提高了性能并缩短了处理时间。 AI

影响 这项研究可能带来更高效、更准确的道路基础设施监测系统。

排序理由 该项目是一篇研究论文，详细介绍了一个新模型及其评估。[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 →

YOLO26-RD网络通过新模块改进道路损坏检测

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Sompote Youwai, Pawarotorn Chaipetch, Hathairat Samaikul, Theerayut Yonseng ·

    YOLO26-RD：一种具有可学习对比度增强和边缘引导下采样的端到端道路损坏检测网络

    arXiv:2608.15713v1 Announce Type: new Abstract: Automated pavement-distress detection is commonly framed as a small-object problem, motivating high-resolution P2/4 detection heads and lossless downsampling. We present YOLO26-RD, an end-to-end (NMS-free) detector built on YOLO26 w…

相关实体

相关话题