新的 YolovN-CBi 架构增强了小型无人机的实时检测能力

研究人员开发了一种名为 YolovN-CBi 的新型轻量级架构，专为实时检测小型无人机 (UAV) 而设计。该架构集成了卷积块注意力模块 (CBAM) 和双向特征金字塔网络 (BiFPN)，以增强对小型目标的检测能力。在基准数据集和自定义本地数据集上的评估表明，Yolov5-CBi 变体在小型目标检测的速度-准确性权衡方面优于 YOLOv8 和 YOLOv12 等较新的 YOLO 版本。此外，使用知识蒸馏创建的 CBi 架构的蒸馏版本在准确性和速度方面取得了显著改进，使其适用于边缘部署。 AI

影响 这项研究可能带来更高效、更准确的实时无人机检测系统，用于安全和民用领域。

排序理由 该项目是一篇学术论文，详细介绍了一种新的计算机视觉模型架构及其评估。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• Bidirectional Feature Pyramid Network
• BiFPN
• Convolutional Block Attention Module
• YOLOv12
• YOLOv5
• Yolov5m-CBi
• Yolov5n-CBi
• YOLOv8
• YolovN
• YolovN-CBi

• 论文
• 模型发布

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