PulseAugur
中
实时 23:26:47
English(EN) DFIR-DETR: Frequency-Domain Iterative Refinement and Dynamic Feature Aggregation for Small Object Detection

DFIR-DETR 通过细化频域特征改进小目标检测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 DFIR-DETR，一种用于复杂视觉场景中小目标检测的新方法。该方法解决了现有神经网络设计中的根本性局限性，例如均匀的注意力分布以及空间卷积对高频细节的抑制。DFIR-DETR 专门针对上采样特征中的范数漂移和关键边缘组件的丢失等问题。该模型在 NEU-DET 和 VisDrone 数据集上展示了显著的性能提升，在参数量和计算成本相对较低的情况下实现了高 mAP50 分数。 AI

影响 增强了小目标检测能力，可能提高自动驾驶和监控等应用中的性能。

排序理由 该集群包含一篇详细介绍一种新目标检测方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Bo Gao, Jingcheng Tong, Xingsheng Chen, Han Yu, Zichen Li ·

    DFIR-DETR: Frequency-Domain Iterative Refinement and Dynamic Feature Aggregation for Small Object Detection

    arXiv:2512.07078v4 Announce Type: replace-cross Abstract: Small object detection in complex scenes exposes a fundamental tension in neural network design: backbone attention distributes computation uniformly regardless of content, pyramid necks inflate activation magnitudes durin…

相关实体

相关话题