研究人员开发了 DRAFE，一种新颖的交通目标检测集成方法，可提高跨城市泛化能力和细粒度识别。DRAFE 结合了两个独立训练的检测 Transformer，LW-DETR 和 RF-DETR，并采用两阶段训练策略。该方法包括在一个包含 6,000 多张图像的精选语料库上进行预训练，然后在 Project Hafnia Track 6 数据集上进行微调。该系统在 AI City Challenge 2026 Track 6 上取得了 0.4022 mAP 的成绩，在 25 支队伍中名列第六。 AI
影响 增强了细粒度交通目标检测和跨城市泛化能力，有望改善智能交通系统。
排序理由 该集群描述了一篇关于特定计算机视觉任务新颖模型的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
