CARPK
PulseAugur coverage of CARPK — every cluster mentioning CARPK across labs, papers, and developer communities, ranked by signal.
-
新的UpCount方法通过空间感知增强对象计数
研究人员开发了一种新的无类别对象计数方法UpCount，旨在改进复杂对象的空间建模。UpCount利用ViT-B/16编码器提取多层特征，然后使用Dense Prediction Transformers和FeatUp将其精炼成多尺度金字塔。此过程增强了特征的结构和空间敏感性，使一个提议-验证计数头能够识别模式并生成密度图以进行最终计数。该方法在FSC-147数据集上取得了优异的结果，并在CARPK数据集上的车辆计数任务中展示了有效的迁移学习。
-
新的MGDFIS策略增强了无人机图像中小目标的检测能力
研究人员开发了一种名为MGDFIS（多尺度全局细节特征融合策略）的新策略，以提高无人机图像中小目标的检测能力。该方法旨在在整合更广泛的上下文以区分微小目标与复杂背景的同时，保留精细细节。MGDFIS采用三个模块：FusionLock-TSS注意力、全局细节融合和动态像素注意力，以增强特征聚合并重新校准前景区域。当应用于VisDrone数据集上的YOLO26m基线时，MGDFIS提升了性能，将AP50:95从25.7提高到30.2，将A…
-
新的GiPL方法通过生成增强提升小样本目标检测能力
研究人员推出了一种名为GiPL的新型跨域小样本目标检测（CD-FSOD）方法，该方法解决了利用有限支持集数据和防止过拟合的挑战。GiPL采用双分支训练策略：一个分支使用迭代伪标签自训练，从稀疏数据生成和精炼标注；另一个分支则利用大型视觉语言模型合成多样化、领域对齐的图像用于数据增强。在多个数据集上的实验表明，GiPL在各种小样本设置下显著优于现有的最先进方法。